• 专利申请
    2022-12-01
  • 公布公告
    2023-08-11
  • 授权日期
    2023-08-11
  • 终止
    2033-08-08
一种基于双级对齐部分迁移网络的旋转设备故障诊断方法
一种基于双级对齐部分迁移网络的旋转设备故障诊断方法
* 专利信息仅供参考,不具有法律效力。 有效专利
CN202211531891.4 2022-12-01 G06F18/241 {{ classMap["G06F18/241"] }}
中国矿业大学 查看申请人名下所有专利
江苏省徐州市大学路1号中国矿业大学科研院
专利分类项目
专利注册信息
初审公告期号 2022-12-01 初审公告日期 2023-08-11
注册公告期号 2023-08-11 注册公告日期 2023-08-11
专用权期限 2023-08-11 - 2033-08-08 专利类型 发明授权
代理组织机构 南京瑞弘专利商标事务所 查看该机构代理的所有专利
专利介绍
本发明公开了一种基于双级对齐部分迁移网络的旋转设备故障诊断方法,用于旋转设备故障分类任务。在网络架构方面,部分迁移网络由特征提取器、域判别器和分类器三个基本单元组成,其中,特征提取器利用ViT网络构造而成,域判别器和分类器利用两个独立的三层全连接神经网络构造而成。在网络参数更新方面,1)构造加权平衡机制约束源域和目标域特征对齐过程,实现源域和目标域共享类别边缘分布对齐;2)利用多种度量学习措施,拉近源域和目标域共享类别各子类间的特征距离,实现源域和目标域共享类别间的状态分布对齐。
法律进度
  • 2023-08-11 授权 ...

  • 2023-06-09 实质审查的生效 IPC(主分类): G06F 18/241 专利申请号: 202211531891.4 申请日: 2022.1 ...

  • 2023-05-23 公开 ...

同类专利
  • 基于动态构图的半监督分类方法

  • 基于多维特征提取无监督EEG信号分类方法

  • 一种融合一维二维卷积神经网络的深度学习信号分类方法

  • 基于知识共享和模型迁移的全封闭压缩机故障诊断方法

  • 一种基于子图网络的调制信号分类方法及系统

  • 一种基于自监督学习和迁移学习的抑郁症分类方法

  • 基于生成式对抗网络的信号调制类型识别攻击的防御方法

  • 一种基于图神经网络的调制信号分类方法和系统

  • 基于约束对抗卷积自编码记忆融合网络的故障诊断方法

  • 基于深度代价敏感卷积网络的故障诊断方法及诊断框架

  • 基于物联网储罐安全监测方法及系统

  • 基于多元可视图神经网络模型的情绪识别方法

咨询该专利

您还可以
推荐专利
{{ v.name }}
取 消 确 定