半监督阶梯网络和GAN在滚动轴承故障诊断的应用

滚动轴承是旋转机械的关键部件,统计表明,约30%的旋转机械故障出现在滚动轴承处。人工智能的发展给工业生产中的故障诊断提供了新途径,深度学习已经成为旋转机械故障诊断的一种新颖且有效的方法。普通神经网络的训练需要大量各种情况下的带标签数据,然而现实中工业数据存在不平衡和标签成本高等问题,限制深度学习在工业实际中故障诊断的发展。这里针对滚动轴承监测数据不平衡和缺少标签等问题影响深度学习在工业领域落地应用的情况,提出一种基于半监督阶梯网络和生成对抗网络(GAN)的方法,建立GAN-SSLadder分类模型,基于公开的轴承故障数据库,实现在标签少,数据量小的情况下测试集的识别准确率达到95.5%。

基于半监督阶梯网络的红外乳腺癌检测方法研究

乳腺癌是除肺癌以外女性的第二大致死癌症,早期筛查对提高乳腺癌患者存活率至关重要。利用红外热图检测、定位和识别乳腺癌,具有直观、无损和能预测"未病"等优点,然而在临床应用中,人体红外热图不仅几何与灰度分辨率较低,而且,受成像环境和个体变化的影响较大,导致乳腺癌检测与分类的精度较低、假阳性率高。尤其医学类影像数据显得尤为匮乏,有标签的数据更是少之又少,特别是乳腺红外图片由于缺少公共数据库,因此数据问题成了提高检测精度的一大难题。本文尝试在小样本下用半监督阶梯网络方法对乳腺癌进行红外检测,对94个有标签数据增加570个无标签数据,并采用数据增强技术增加有标签数据体量,使用半监督阶梯网络在batch Normalization的帮助下,在测试集上得到了89.55%的分类精度。高于人类专家约85%的分类精度,对摆脱目前乳腺癌红外热图筛查中依赖专家读图的限制具有重要意义。

半监督阶梯网络联合人文关怀对原发性肝癌患者疲乏因子的影响

目的探讨半监督阶梯网络联合人文关怀在原发性肝癌患者中的护理效果及对疲乏因子的影响。方法选取该院2018年4月至2019年8月原发性肝癌患者92例,随机分为对照组和观察组,各46例。两组均给予常规护理,对照组采用人文关怀护理,观察组在对照组基础上联合半监督阶梯网络干预,3个月护理后对患者护理效果进行评估,比较两组依从性、癌因疲乏因子及生活质量。结果护理后3个月观察组遵医治疗、康复锻炼、定期复查、饮食干预及药物指导均高于对照组,差异有统计学意义(P<0.05);两组护理后3个月Piper疲乏修正量表评分低护理前,差异有统计学意义(P<0.05);观察组护理后3个月iper疲乏修正量表评分低于对照组,差异有统计学意义(P<0.05);两组护理后3个月生理及心理评分高于护理前,差异有统计学意义(P<0.05);观察组护理后3个月生理及心理评分高于对照组,差异有统计学意义(P<0.05)。结论半监督阶梯网络联合人文关怀用于原发性肝癌患者中能提高护理依从性,降低癌因疲乏因子水平,有助提高患者生活质量,值得推广应用。

基于阶梯网络的ERT污染区域识别方法

采用电阻率成像(ERT)技术进行污染场地的实时监测是环境污染监测领域的研究热点之一。在利用ERT数据进行污染区域的自动识别过程中,当土壤介质分层和背景与污染区域电阻率值差异减小时会出现识别精度低的问题。针对此问题,该文将协方差聚类和半监督阶梯网络(semi-ladderNet)相结合的方法用于ERT的监测结果,进行污染区域的识别。通过对某条测线的电阻率矩阵进行协方差聚类,初步得到污染区域的大致范围,将其部分数据作为semi-ladderNet训练阶段的初始标签,以克服上述问题,进而提高该算法的识别精度。结果表明:(1)该算法能够准确识别出污染区域的范围及位置,并能克服介质分层的问题,其识别精度达到了98%以上;(2)尤其当背景值和污染区域电阻率值差异减小时,该算法的识别精度仍能达到98%及以上;(3)可以将基于协方差和半监督阶梯网络算法引入到ERT监测系统中,为后续污染区域的自动识别提供技术支持。