基于卷积网络的概率离散事件系统错误诊断研究

• 作者: 姜程 林森彬 邓伟林
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 概率离散事件系统 错误诊断 卷积神经网络
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 10-13
• 页数: 4页
• 分类号: TP303
• 字数: 4747字
• 语种: 中文
• DOI: 10.11907/rjdk.201676

摘要

在已知模型系统中,采用基于模型的方法可以较好解决概率离散事件系统错误诊断问题.然而在某些实际系统中,要得到完备的概率模型非常困难.关于不完备系统的诊断问题,业内主流解决方案是采用基于数据方法,如关键观察方法和关键树方法.卷积神经网络是一个非常好的数据拟合工具.因此,首先将错误诊断问题转化为文本分类问题,然后应用卷积神经网络求解该问题.仿真实验结果表明,在可诊断概率系统中,该方法在仿真数据集上的平均诊断准确率比关键树方法高出15%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓伟林	广东金融学院互联网金融与信息工程学院	1	0	0.0	0.0
2	姜程		1	0	0.0	0.0
3	林森彬	广东金融学院互联网金融与信息工程学院	1	0	0.0	0.0