公开(公告)号：CN110555273B

公开(公告)日：2023-03-24

申请号：CN201910838978.8

申请日：2019-09-05

Applicant: 苏州大学

Inventor： 朱军 ,  沈长青 ,  陈楠 ,  宋冬淼 ,  周建芹 ,  王俊 ,  石娟娟 ,  黄伟国 ,  朱忠奎

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/088 ,  G06N7/01 ,  G06F119/04 ,  G06F111/08

Abstract: 本发明公开一种基于隐马尔科夫模型和迁移学习的轴承寿命预测方法，包括步骤(1)采集滚动轴承的全寿命原始信号；并提取包含时域、时频域和三角函数特征的特征集合；(2)将特征集合输入隐马尔科夫模型预测隐状态，获取故障发生时刻；(3)将来自所有源域和部分目标域的特征集合组成训练集输入构建的多层感知机模型，通过优化目标训练获得域不变特征和最优模型参数，将最优模型参数代入感知机模型获得神经网络寿命预测模型；(4)将剩余的目标域特征集输入神经网络寿命预测模型，根据输出值预测轴承的剩余寿命。本发明利用隐马尔科夫模型自动检测出故障发生时刻，之后采用基于多层感知器的迁移学习来解决不同工况条件造成的源域和目标域的分布差异。

公开(公告)号：CN110555273A

公开(公告)日：2019-12-10

申请号：CN201910838978.8

申请日：2019-09-05

Applicant: 苏州大学

Inventor： 朱军 ,  沈长青 ,  陈楠 ,  宋冬淼 ,  周建芹 ,  王俊 ,  石娟娟 ,  黄伟国 ,  朱忠奎

IPC: G06F17/50

Abstract: 本发明公开一种基于隐马尔科夫模型和迁移学习的轴承寿命预测方法，包括步骤(1)采集滚动轴承的全寿命原始信号；并提取包含时域、时频域和三角函数特征的特征集合；(2)将特征集合输入隐马尔科夫模型预测隐状态，获取故障发生时刻；(3)将来自所有源域和部分目标域的特征集合组成训练集输入构建的多层感知机模型，通过优化目标训练获得域不变特征和最优模型参数，将最优模型参数代入感知机模型获得神经网络寿命预测模型；(4)将剩余的目标域特征集输入神经网络寿命预测模型，根据输出值预测轴承的剩余寿命。本发明利用隐马尔科夫模型自动检测出故障发生时刻，之后采用基于多层感知器的迁移学习来解决不同工况条件造成的源域和目标域的分布差异。

公开(公告)号：CN111738006A

公开(公告)日：2020-10-02

申请号：CN202010574339.8

申请日：2020-06-22

Applicant: 苏州大学

Inventor： 周夏冰 ,  陈楠 ,  肖康 ,  王中卿

IPC: G06F40/295 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明基于商品评论命名实体识别的问题生成方法，该模型首先将产品相关的信息实体加以标注，使得生成的问题与产品紧密相关。其次，利用基于复制覆盖机制的序列到序列模型，当词汇表中未收录该词时，选取原文词汇，这避免了脱离词典问题，使得生成的问句更加的通顺和灵活。最后，结合注意力机制，增加与产品相关词语的比重。本文使用产品评论数据进行实验，与目前的问题生成模型相比，基于商品评论的问题生成模型不仅生成的问题会更加的灵活通顺，而且更加符合本身产品的相关内容。