A Fault Diagnosis Method for Mechanical Rotating Components Based on Automatic Learning of Pseudo Labels

To address the problem that existing fully supervised learning methods cannot utilize massive unlabeled samples and semi-supervised learning methods are still inadequate in terms of the accuracy of fault diagnosis models, this paper proposes a quasi-fully supervised fault diagnosis method based on A...

Celý popis

Podrobná bibliografie

Vydáno v:	2021 International Conference on Sensing, Measurement & Data Analytics in the era of Artificial Intelligence (ICSMD) s. 1 - 6
Hlavní autoři:	Yin, Shuangyan, Yang, Jingli, Yang, Cheng
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 21.10.2021
Témata:	adversarial autoencoder Classification algorithms constrained seed k-means Data analysis Data models Fault diagnosis mechanical rotating components Semisupervised learning Supervised learning Tagging
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!