基于半监督密集阶梯网络的工业故障识别

• 作者: 施方迤 梁军 汪子扬
• 来源期刊: 化工学报
• 关键词: 半监督学习 阶梯网络 密集连接 工业故障分类 算法 神经网络 优化 自编码器
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 过程系统工程
• 页码范围: 3083-3091
• 页数: 9页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20171488

摘要

针对工业过程故障识别的需要和实际工业数据小比例有标签、大比例无标签的特点,研究了基于深度学习的半监督故障分类方法.在半监督阶梯网络的基础上,通过对网络结构和损失函数的改进,提出了半监督密集阶梯网络算法.该算法改进了原始的网络结构,添加了各层之间的密集连接,尝试最大化阶梯网络内部的数据信息流,使得各编码解码层之间的特征得以传递和复用.针对损失函数的特点,添加了无噪声编码层的预测输出损失,确保训练目标与模型输出一致.实验结果证明了所提出的新方法能在工业过程的小比例有标签数据情况下,获得理想的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁军	浙江大学工业控制研究所工业控制技术国家重点实验室	55	659	14.0	24.0
2	汪子扬	浙江大学工业控制研究所工业控制技术国家重点实验室	2	8	2.0	2.0
3	施方迤	浙江大学工业控制研究所工业控制技术国家重点实验室	1	2	1.0	1.0