一种基于半监督动量原型网络的风力发电机组齿轮箱诊断方法

    公开(公告)号:CN113920348A

    公开(公告)日:2022-01-11

    申请号:CN202111175109.5

    申请日:2021-10-09

    Abstract: 本发明涉及一种基于半监督动量原型网络的风力发电机组齿轮箱诊断方法,属于故障诊断领域。该方法包括半监督动量原型网络训练与故障诊断识别两个流程;1、半监督动量原型网络训练:2、风力发电机组齿轮箱故障诊断:本发明结合半监督中的伪标签学习与小样本学习中的半监督动量原型网络,提出了一种基于半监督动量原型网络的风力发电机组齿轮箱故障诊断方法,该方法充分利用了无标记样本中包含的故障信息,大幅度减轻了原型网络由于标记样本稀缺导致的过拟合现象,增强了半监督动量原型网络在进行微调时的稳定性和准确性。

    一种基于深度自主学习的铅浮选泡沫图像分类方法及系统

    公开(公告)号:CN119600339A

    公开(公告)日:2025-03-11

    申请号:CN202411643708.9

    申请日:2024-11-18

    Abstract: 本发明涉及计算机视觉技术,特别涉及一种基于深度自主学习的铅浮选泡沫图像分类方法及系统,方法包括构建以EfficientNetB6和Transformer网络结构融合的图像分类网络,获取带有分类标签的图像数据和无标签的图像数据,并对图像进行预处理;从带有分类标签的图像数据中采样m个样本对图像分类网络进行初始化训练;通过自主学习从无标签的图像数据中选出n个信息量最大的数据进行手动标注;利用选择的数据对初始化训练的数据进行进一步训练,得到完成训练的图像分类网络。本发明显著提升了模型的训练速度和复杂泡沫图像分类的能力,减少了标注所需的样本数量,从而降低了人力和时间成本。

Patent Agency Ranking