文献检索-宁波市创意产业特色资源库

限定检索结果

基于自监督学习的动力设备异常检测方法: 收藏
分享
引用; 《空间控制技术与应用》2023年第6期49卷 86-93页; 作者：乔怡群王田刘克新王丽吕坤郭云翔北京航空航天大学自动化科学与电气工程学院北京100191 复杂关键软件环境国家重点实验室北京100191 中关村实验室北京100191 武汉高德红外股份有限公司武汉430205; 高效且准确的对动力设备进行异常检测对于航空航天安全至关重要,科学的检测和维护可以及时发现潜在故障,保障系统的安全性与可靠性.传感器采集到的动力设备数据蕴含着关键价值信息,处理这些数据时通常先要进行特征提取.虽然深度学习方...; 高效且准确的对动力设备进行异常检测对于航空航天安全至关重要,科学的检测和维护可以及时发现潜在故障,保障系统的安全性与可靠性.传感器采集到的动力设备数据蕴含着关键价值信息,处理这些数据时通常先要进行特征提取.虽然深度学习方法由于大量的数据学习而获得了很好的结果,但对于传感器的数据处理却陷入了微调现有网络或从头设计模型的两难境地.提出基于自监督学习的时序数据时空特征提取网络.引入了自监督学习的方法来预训练网络.提出一种新的网络模型结构,该结构可以有效提取时序数据的时空表征.最后在相关数据集上对所提出的方法进行验证,实验结果证明所提方法的有效性.; 来源：详细信息评论

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案：

收藏书架

请选择收藏分类：

检索条件订阅

申请转借

引用

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案： 新增检索档案 确定 取消

收藏书架

请选择收藏分类： 新增自定义分类 确定 取消

检索条件订阅

申请转借

引用

高级检索表达式检索

高级检索表达式检索

请选择保存的检索档案：

请选择收藏分类：