《表4 充足样本数据集下建模推理正判率结果》
由表4可知,在目标网络小样本数据集下建模推理结果中,轴承正常状态下,LP和DWTL迁移学习推理诊断结果都很理想;而在故障情况下,DWTL较LP算法平均正判率大约提高了10%。表5说明在目标网络充足样本数据集下,DWTL算法针对故障诊断正判率可进一步提高。实验结果表明,DWTL算法在小数据集条件下,可利用资源网络的参数信息通过迁移机制,修正BN参数。另外,DWTL算法弥补了LP算法未考虑到变化的源域数据量对目标参数贡献不同的缺陷,动态变化的平衡系数提高了BN参数的学习精度。
图表编号 | XD00198114900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.05 |
作者 | 郭文强、徐成、肖秦琨、李梦然 |
绘制单位 | 陕西科技大学电子信息与人工智能学院、陕西科技大学电气与控制工程学院、西安工业大学电子信息工程学院、陕西科技大学电气与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |