《表4 充足样本数据集下建模推理正判率结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于变权重迁移学习的BN参数学习算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。