期刊文献+
共找到18篇文章
< 1 >
每页显示 20 50 100
基于深度贝叶斯蒸馏网络的皮肤病变识别研究 被引量:1
1
作者 董春序 欧译丹 +1 位作者 李雪 陈思光 《中国数字医学》 2023年第4期48-56,89,共10页
目的:解决卷积神经网络无法量化模型的偶然不确定性与认知不确定性问题,优化皮肤病变类型识别机制,降低误诊率。方法:在构建多尺度网络时,基于贝叶斯深度学习网络构建深度贝叶斯蒸馏网络,通过多次采样数据分布方式拟合训练数据模型,量... 目的:解决卷积神经网络无法量化模型的偶然不确定性与认知不确定性问题,优化皮肤病变类型识别机制,降低误诊率。方法:在构建多尺度网络时,基于贝叶斯深度学习网络构建深度贝叶斯蒸馏网络,通过多次采样数据分布方式拟合训练数据模型,量化模型的偶然不确定性与认知不确定性。进一步引入了知识蒸馏对模型进行压缩,构建学生网络模型拟合教师网络的输出,使用教师网络的参数和真实值标签训练学生网络,从而实现对模型参数量与时间的优化。结果:识别准确率与现有相关方案相比提高3.00%~8.00%,达到83.90%,同时参数量减少14.12%,运行时间节约8.70%。结论:基于深度贝叶斯蒸馏网络的皮肤病变识别机制能够显著提高识别准确率,同时减少模型参数量与运行时间。 展开更多
关键词 皮肤病变 深度贝叶斯网络 知识蒸馏 模型压缩
下载PDF
基于深度贝叶斯主动学习的高光谱图像分类 被引量:9
2
作者 杨承文 李吉明 杨东勇 《计算机工程与应用》 CSCD 北大核心 2019年第18期166-172,共7页
针对高光谱图像分类中标记样本获取费时费力,无标记数据难以得到有效利用以及主动学习与深度学习结合难等问题,结合贝叶斯深度学习与主动学习的最新进展,提出一种基于深度贝叶斯的主动学习高光谱图像分类算法。利用少量标记样本训练一... 针对高光谱图像分类中标记样本获取费时费力,无标记数据难以得到有效利用以及主动学习与深度学习结合难等问题,结合贝叶斯深度学习与主动学习的最新进展,提出一种基于深度贝叶斯的主动学习高光谱图像分类算法。利用少量标记样本训练一个卷积神经网络模型,根据与贝叶斯方法结合的主动学习采样策略从无标记样本中选择模型分类最不确定性的样本,选取的样本经人工标记后加入到训练集重新训练模型,减小模型不确定性,提高模型分类精度。通过PaviaU高光谱图像分类的实验结果表明,在少量的标记样本下,提出的方法比传统的方法分类效果更好。 展开更多
关键词 高光谱遥感图像 贝叶斯深度学习 主动学习 分类
下载PDF
基于深度贝叶斯网络的关联图谱在龙头股抓取中的应用
3
作者 唐忆 《电子世界》 2018年第15期129-131,共3页
本文将利用深度贝叶斯网络构建股票的关联图谱,在传统的涨跌幅乘以权重这种指数贡献度基础计算方法上,拟量化其对关联的个股(行业)产生的衍生影响,以辅助分析人员更加精确地抓取龙头个股和龙头行业,进而更加全面合理的反映出个股(行业)... 本文将利用深度贝叶斯网络构建股票的关联图谱,在传统的涨跌幅乘以权重这种指数贡献度基础计算方法上,拟量化其对关联的个股(行业)产生的衍生影响,以辅助分析人员更加精确地抓取龙头个股和龙头行业,进而更加全面合理的反映出个股(行业)对指数的影响程度。 展开更多
关键词 龙头股抓取 衍生影响 关联图谱 深度贝叶斯网络
下载PDF
基于贝叶斯深度强化学习的主动配电网电压控制
4
作者 张晓 吴志 +3 位作者 郑舒 顾伟 胡博 董吉超 《电力系统自动化》 EI CSCD 北大核心 2024年第20期81-90,共10页
多分布式源荷接入导致配电网电压波动性增强。同时,上级主网电压的不确定性波动也会对配电网电压特性造成影响。为有效应对主配电网电压波动,文中提出一种基于数据驱动与模型求解结合的主动配电网多时间尺度电压控制框架。在慢时间尺度... 多分布式源荷接入导致配电网电压波动性增强。同时,上级主网电压的不确定性波动也会对配电网电压特性造成影响。为有效应对主配电网电压波动,文中提出一种基于数据驱动与模型求解结合的主动配电网多时间尺度电压控制框架。在慢时间尺度下,考虑主网电压波动,构建了上级主网非无穷大系统多馈线环境,对该环境下的电压控制问题进行了对抗性马尔可夫过程建模。在训练过程中,以投影梯度下降算法使主网电压发生扰动。利用贝叶斯深度Q网络算法感知上级主网电压波动,实现有载调压变压器挡位快速控制。在快时间尺度下,基于传统二阶锥优化方法控制光伏逆变器无功输出。算例结果表明,该方法可准确感知上级主网电压波动,在极短时间实现配电网无模型电压控制,保证各节点电压维持在安全范围内。 展开更多
关键词 主动配电网 电压控制 多时间尺度 对抗性马尔可夫过程 投影梯度下降 贝叶斯深度Q网络 深度强化学习
下载PDF
基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法
5
作者 刘竟飞 姜潮 +1 位作者 倪冰雨 汪宗太 《中国机械工程》 EI CAS CSCD 北大核心 2024年第5期792-801,共10页
针对实际工程中存在的具有多个输出响应的高维问题,提出一种基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法。利用多个输出响应对应同一组输入变量的特点,对输入变量进行一次性采样,从而构造初始训练样本集。采用贝叶... 针对实际工程中存在的具有多个输出响应的高维问题,提出一种基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法。利用多个输出响应对应同一组输入变量的特点,对输入变量进行一次性采样,从而构造初始训练样本集。采用贝叶斯深度神经网络初步构建高维多输出问题的代理模型。贝叶斯深度神经网络能够同时求解多个预测输出响应的不确定性估计,基于该特点发展了一种针对高维多输出问题的主动加点策略,通过主动学习的方式进一步构建具有较高精度的高维多输出代理模型。然后,利用蒙特卡罗采样方法以及高斯混合模型求解多个输出响应的联合概率密度函数。研究结果表明,所提方法不仅能够避免分别对多个输出响应进行独立求解的复杂过程,而且能够利用多个输出响应之间的关联,主动筛选关键样本点进行建模,在一定程度上提高了高维多输出问题的求解效率。最后,通过几个数值算例验证了所提方法的有效性。 展开更多
关键词 主动学习 贝叶斯深度神经网络 高维不确定性 多输出问题
下载PDF
基于贝叶斯深度学习的新能源多场站临界短路比区间预测方法
6
作者 李保罗 徐式蕴 +2 位作者 李宗翰 孙华东 于琳 《中国电机工程学报》 EI CSCD 北大核心 2024年第14期5451-5462,I0002,共13页
大规模新能源并网后电力系统的电压安全稳定问题突出,亟需一种兼具准确性和实用性的方法来评估系统的电压支撑强度。为此,该文提出一种基于贝叶斯深度学习的新能源多场站短路比(multiple renewable energy station short circuit ratio,... 大规模新能源并网后电力系统的电压安全稳定问题突出,亟需一种兼具准确性和实用性的方法来评估系统的电压支撑强度。为此,该文提出一种基于贝叶斯深度学习的新能源多场站短路比(multiple renewable energy station short circuit ratio,MRSCR)智能增强方法。首先,聚焦于MRSCR缺乏准确的临界短路比(critical short circuit ratio,CSCR)问题,提出CSCR样本集的构建流程,并据此开发样本的批量仿真程序。然后,利用多门控混合专家网络对各新能源接入点的CSCR进行同步预测,并结合贝叶斯深度学习提升预测精度,量化预测不确定性。最后,考虑到点估计的弊端,提出一种基于动态阈值的不等式方法来给出兼具可靠性和清晰性的区间估计,为不同的决策需求提供多种属性的预测值。在CEPRI-FS-102节点系统上的测试结果表明,所提方法可有效提高电压支撑强度的评估精度和速度,其预测信息可为决策过程提供重要的指导意义。 展开更多
关键词 电压支撑强度 贝叶斯深度学习 多任务学习 短路比
下载PDF
基于深度动态贝叶斯网络的服务功能链故障诊断算法 被引量:10
7
作者 唐伦 廖皓 +2 位作者 曹睿 王兆堃 陈前斌 《电子与信息学报》 EI CSCD 北大核心 2021年第12期3588-3596,共9页
针对5G端到端网络切片场景下底层物理节点出现故障会导致运行在其上的多条服务功能链出现性能异常的问题,该文提出一种基于深度动态贝叶斯网络(DDBN)的服务功能链故障诊断算法。首先根据网络虚拟化环境下故障的多层传播关系,构建故障与... 针对5G端到端网络切片场景下底层物理节点出现故障会导致运行在其上的多条服务功能链出现性能异常的问题,该文提出一种基于深度动态贝叶斯网络(DDBN)的服务功能链故障诊断算法。首先根据网络虚拟化环境下故障的多层传播关系,构建故障与症状的依赖图模型,并采用在物理节点监测其上多个虚拟网络功能相关性能数据的方式收集症状。其次,考虑到基于软件定义网络(SDN)和网络功能虚拟化(NFV)的架构下网络症状观测数据的多样性以及物理节点和虚拟网络功能的空间相关性,引入深度信念网络对观测数据特征进行提取,使用加入动量项的自适应学习率算法对模型进行微调以加快收敛速度。最后,利用故障传播的时间相关性,引入动态贝叶斯网络对故障根源进行实时诊断。仿真结果表明,该算法能够有效地诊断故障根源且具有良好的诊断准确度。 展开更多
关键词 虚拟网络功能 服务功能链 故障诊断 深度动态贝叶斯网络
下载PDF
贝叶斯深度神经网络对于核质量预测的研究 被引量:1
8
作者 娄月申 郭文军 《物理学报》 SCIE EI CAS CSCD 北大核心 2022年第10期32-41,共10页
采用贝叶斯深度神经网络对液滴模型进行优化改进,并运用KL(Kullback-Leibler)散度与变分推断的方法使得模型便于实现.以最新的原子核数据(AME2020)中2457个有精确值的原子核(Z≥8和N≥8)作为总数据集,随机选取其中80%的数据为训练集用... 采用贝叶斯深度神经网络对液滴模型进行优化改进,并运用KL(Kullback-Leibler)散度与变分推断的方法使得模型便于实现.以最新的原子核数据(AME2020)中2457个有精确值的原子核(Z≥8和N≥8)作为总数据集,随机选取其中80%的数据为训练集用于模型训练,通过预测余下的20%进行模型验证.最终两个数据集的误差均方根(RMS)基本相等,而且全部数据的RMS从2.9894 Me V降到0.5695 Me V,下降了80%,呈现出较好的结果.此模型进行了输入参数上的改进(区域限定策略),使得未知核(Z=118—126)可以被限定在一个固定的区域内,从而提高了预测的准确性.为了验证这一性质,对实验数据(Z=100—117)进行了预测计算,结果也与实验值符合得很好.最后使用该方案对未知元素Z=118—126进行了预测,为以后寻找新元素提供了新思路. 展开更多
关键词 结合能 贝叶斯深度神经网络 液滴模型 区域限定策略
下载PDF
基于贝叶斯深度学习的用户净负荷预测方法 被引量:2
9
作者 冯桂玲 郑晓晖 +1 位作者 李思韬 庄大海 《计算机应用与软件》 北大核心 2022年第10期94-103,共10页
分布式光伏(photovoltaic,PV)发电的随机性、间歇性和波动性给电网安全可靠运行带来了巨大的挑战。为了准确预测用户净负荷,同时捕捉分布式光伏发电和负荷带来的大量不确定性,提出一种基于概率的日前净负荷预测方法。将贝叶斯概率论与... 分布式光伏(photovoltaic,PV)发电的随机性、间歇性和波动性给电网安全可靠运行带来了巨大的挑战。为了准确预测用户净负荷,同时捕捉分布式光伏发电和负荷带来的大量不确定性,提出一种基于概率的日前净负荷预测方法。将贝叶斯概率论与深度学习相结合,以处理认知不确定性和任意不确定性;采用子空间聚类技术,将住宅屋顶光伏输出作为输入特征,以提高综合净负荷预测的性能。基于细粒度智能电表数据进行了算例分析,与其他方法进行实验比较可知,所提方法具有更好的性能。 展开更多
关键词 概率性净负荷预测 分布式光伏发电 聚类 长短时记忆 贝叶斯深度学习
下载PDF
融合贝叶斯深度学习的计算机大数据频繁项挖掘算法 被引量:3
10
作者 刘兴建 原振文 《成都工业学院学报》 2020年第4期38-42,62,共6页
随着数据每天呈指数级增长,频繁项集挖掘的效率和可伸缩性问题变得更加严重。因此,提出融合贝叶斯深度学习的计算机大数据频繁项挖掘算法(Sequential growth),并在MapReduce框架上实现。为了测试算法的性能,在具有大型数据集的MapReduc... 随着数据每天呈指数级增长,频繁项集挖掘的效率和可伸缩性问题变得更加严重。因此,提出融合贝叶斯深度学习的计算机大数据频繁项挖掘算法(Sequential growth),并在MapReduce框架上实现。为了测试算法的性能,在具有大型数据集的MapReduce框架上进行了不同方面的实验。结果表明,Sequential growth算法具有良好的效率和可扩展性,尤其在处理大数据和长项目集时。 展开更多
关键词 频繁模式挖掘 频繁项集挖掘 MAPREDUCE 贝叶斯深度学习 可扩展性
下载PDF
基于t分布的贝叶斯深度学习模型及其应用
11
作者 毕秀春 杨皓峰 《计算机系统应用》 2022年第11期330-338,共9页
贝叶斯深度学习(BDL)融合了贝叶斯方法与深度学习(DL)的互补优势,成为复杂问题中不确定性建模与推断的强大工具.本文构建了基于t分布和循环随机梯度汉密尔顿蒙特卡罗采样算法的BDL框架,并基于数据不确定性和模型定不确定性给出了不确定... 贝叶斯深度学习(BDL)融合了贝叶斯方法与深度学习(DL)的互补优势,成为复杂问题中不确定性建模与推断的强大工具.本文构建了基于t分布和循环随机梯度汉密尔顿蒙特卡罗采样算法的BDL框架,并基于数据不确定性和模型定不确定性给出了不确定性的度量.为了验证模型框架的有效性和适用性,我们分别基于人工神经网络(ANN)、卷积神经网络(CNN)和循环神经网络(RNN)构建了相应的BDL模型,并将模型应用于全球15个股票指数预测,实证结果显示:1)该框架在ANN、CNN和RNN下均适用,对全部指数的预测效果均很出色;2)在预测精度和通用性方面,基于t分布BDL的模型比基于正态分布的BDL模型具有显著优越性;3)在给定不确定性阈值之下的预测MAE比初始MAE显著提升,表明文中定义的不确定性是有效的,对不确定性建模具有重要意义.鉴于该BDL框架在预测精度、易于拓展和具备提供预测不确定性度量的优势,其在金融和其他具有复杂数据特征的领域均有广阔的应用前景. 展开更多
关键词 贝叶斯深度学习 随机梯度汉密尔顿蒙特卡罗 不确定性
下载PDF
深度AWB结合改进DIT的高效大数据分类 被引量:5
12
作者 龚健虎 张跃进 《计算机工程与设计》 北大核心 2021年第2期468-474,共7页
针对传统数据分类属性模型中存在的较为复杂且大数据分类效率低等问题,基于云计算环境,提出利用深度属性加权贝叶斯(deep attribute weighting Bayesian,AWB)算法结合改进差别信息树(differential information tree,DIT)的大数据高效分... 针对传统数据分类属性模型中存在的较为复杂且大数据分类效率低等问题,基于云计算环境,提出利用深度属性加权贝叶斯(deep attribute weighting Bayesian,AWB)算法结合改进差别信息树(differential information tree,DIT)的大数据高效分类方法。利用AWB算法构建大数据训练集的模糊知识库,提高大数据分类精度;采用改进DIT进行模糊粗糙集属性约简,以并行方式利用映射函数对信息进行分区,将洗牌算法融入模糊分类器的设计中,提高大数据分类效率;利用CloudSim仿真器在大型网络数据集对所提方法的性能进行实验论证。实验结果表明,所提方法提高了分类准确度,降低了计算时间,提高了计算效率。 展开更多
关键词 云计算 大数据 深度属性加权贝叶斯 改进差别信息树 模糊分类 属性约简 洗牌算法
下载PDF
Impact of correlated private signals on continuous-time insider trading
13
作者 ZHOU Yonghui XIAO Kai 《运筹学学报(中英文)》 CSCD 北大核心 2024年第3期97-107,共11页
A model of continuous-time insider trading in which a risk-neutral in-sider possesses two imperfect correlated signals of a risky asset is studied.By conditional expectation theory and filtering theory,we first establ... A model of continuous-time insider trading in which a risk-neutral in-sider possesses two imperfect correlated signals of a risky asset is studied.By conditional expectation theory and filtering theory,we first establish three lemmas:normal corre-lation,equivalent pricing and equivalent profit,which can guarantee to turn our model into a model with insider knowing full information.Then we investigate the impact of the two correlated signals on the market equilibrium consisting of optimal insider trading strategy and semi-strong pricing rule.It shows that in the equilibrium,(1)the market depth is constant over time;(2)if the two noisy signals are not linerly correlated,then all private information of the insider is incorporated into prices in the end while the whole information on the asset value can not incorporated into prices in the end;(3)if the two noisy signals are linear correlated such that the insider can infer the whole information of the asset value,then our model turns into a model with insider knowing full information;(4)if the two noisy signals are the same then the total ex ant profit of the insider is increasing with the noise decreasing,while down to O as the noise going up to infinity;(5)if the two noisy signals are not linear correlated then with one noisy signal fixed,the total ex ante profit of the insider is single-peaked with a unique minimum with respect to the other noisy signal value,and furthermore as the noisy value going to O it gets its maximum,the profit in the case that the real value is observed. 展开更多
关键词 continuous-time insider trading risk neutral private correlated signals linear bayesian equilibrium market depth residual information
下载PDF
基于调用链追踪的无服务器应用异常检测方法 被引量:2
14
作者 徐飞宇 《信息技术与信息化》 2022年第5期20-24,共5页
在无服务器计算环境中,应用通过函数即服务的方式进行组织,运行在容器等轻量级隔离环境中的函数通过互相调用对用户提供服务。由于这些函数运行在不同的隔离环境,甚至是不同的计算工作节点中,传统的异常检测技术难以直接应用到无服务器... 在无服务器计算环境中,应用通过函数即服务的方式进行组织,运行在容器等轻量级隔离环境中的函数通过互相调用对用户提供服务。由于这些函数运行在不同的隔离环境,甚至是不同的计算工作节点中,传统的异常检测技术难以直接应用到无服务器计算环境中。通过对分布式追踪技术和异常检测技术的研究,提出了一种基于调用链追踪的无服务器应用异常检测方法,利用Jaeger分布式追踪技术对无服务器应用的每次请求进行追踪,并利用存储下来的追踪数据来构造函数之间的调用链,结合深度贝叶斯和单分类支持向量机两种机器学习算法以无监督的方式训练预测模型,对无服务器应用运行过程中的异常行为进行检测。经过实验验证,该检测方法在无服务器计算环境下具有有效性,并且在拥有较高准确率的同时误报率较低。 展开更多
关键词 无服务器 异常检测 调用链 分布式追踪 深度贝叶斯
下载PDF
关联图谱和舆情分析在异常传导路径分析中的应用
15
作者 王泊 《电子世界》 2018年第9期11-13,共3页
本文将利用用深度贝叶斯网络构建股票关联图谱的方法,搭建个股(行业)异常事件网络。综合运用点互信息计算出的节点连接强度和舆情分析计算的节点利好(利空)分数,计算出网络节点间的连接强度。用寻找图中最长路径算法找出异常传导路径,... 本文将利用用深度贝叶斯网络构建股票关联图谱的方法,搭建个股(行业)异常事件网络。综合运用点互信息计算出的节点连接强度和舆情分析计算的节点利好(利空)分数,计算出网络节点间的连接强度。用寻找图中最长路径算法找出异常传导路径,更加准确地刻画市场波动的原因。 展开更多
关键词 深度贝叶斯网络 关联图谱 舆情分析 异常传导路径
下载PDF
大数据智能风控平台的架构、设计与实现 被引量:1
16
作者 王龙超 柴朝华 时昊怡 《大众标准化》 2021年第22期67-70,共4页
大数据智能风控平台是基于大数据技术、区块链技术和人工智能技术(自然语言处理、知识图谱、生物识别)的综合型教学与科研服务平台,该平台利用Hadoop生态体系进行海量数据处理,利用贝叶斯深度学习对海量数据搭建精准化反欺诈机制,结合Ha... 大数据智能风控平台是基于大数据技术、区块链技术和人工智能技术(自然语言处理、知识图谱、生物识别)的综合型教学与科研服务平台,该平台利用Hadoop生态体系进行海量数据处理,利用贝叶斯深度学习对海量数据搭建精准化反欺诈机制,结合Hadoop生态体系与贝叶斯深度学习模型搭建新型智能风控平台。本平台提供智能多维标签、金融风险预警、风险事件追踪、风险传导关联、综合异构图谱等贯穿多场景全流程风险管理功能,提升金融机构风控能力。 展开更多
关键词 智能风控 贝叶斯深度学习 反欺诈 大数据技术
下载PDF
基于分布式挖掘的支撑网告警关联规则处理技术 被引量:1
17
作者 罗春艳 万能 《广东通信技术》 2023年第12期51-56,共6页
针对集中式挖掘方法不能满足支撑网告警关联规则精准挖掘的问题,提出一种基于分布式挖掘的支撑网告警关联规则处理技术。该技术将呈现碎片式分布的告警序列数据进行预处理之后,采用贝叶斯深度学习的方法实现告警事务频繁项集支持度和置... 针对集中式挖掘方法不能满足支撑网告警关联规则精准挖掘的问题,提出一种基于分布式挖掘的支撑网告警关联规则处理技术。该技术将呈现碎片式分布的告警序列数据进行预处理之后,采用贝叶斯深度学习的方法实现告警事务频繁项集支持度和置信度数值分布的估计,并结合数值分布情况选取满足条件的告警事务频繁项集;在此基础上,采用LSTM挖掘故障的主因告警,帮助网管人员更好地诊断和排除故障。仿真表明,分布式挖掘的支撑网告警关联规则处理技术能够大大降低现有关联规则的计算量,减少传统算法所处理的数据量;除此之外,算法很好的适应分布式告警事务数据分布不均匀的问题,解决了由于告警事务数据分布不均匀造成的告警关联规则支持度和置信度变动频繁的问题,提高了告警关联规则处理的精度。 展开更多
关键词 分布式挖掘 支撑网 告警关联规则 贝叶斯深度学习 LSTM
下载PDF
基于不确定性感知网络的可信机械故障诊断
18
作者 邵海东 肖一鸣 +2 位作者 邓乾旺 任颖莹 韩特 《机械工程学报》 EI CAS CSCD 北大核心 2024年第12期194-206,共13页
基于深度学习的故障诊断方法受其黑箱特性限制难以给出可信赖和可解释的诊断结果。现有可解释故障诊断研究多集中在开发可解释模块并嵌入深度学习模型以赋予诊断结果一定物理意义,或以结果为基础反推模型做出此决策的深层逻辑,对于如何... 基于深度学习的故障诊断方法受其黑箱特性限制难以给出可信赖和可解释的诊断结果。现有可解释故障诊断研究多集中在开发可解释模块并嵌入深度学习模型以赋予诊断结果一定物理意义,或以结果为基础反推模型做出此决策的深层逻辑,对于如何量化诊断结果中的不确定性并解释其来源和构成的研究工作十分有限。不确定性量化及分解不仅能提供诊断结果的可信度,还能辨析数据中未知因素的来源,最终指导提升诊断模型的可解释性。因此,提出将贝叶斯变分学习嵌入Transformer以开发一种不确定性感知网络,用于可信机械故障诊断。设计了一种变分注意力机制并定义了相应的优化目标函数,可建模注意力权重的先验分布和变分后验分布,从而赋予网络感知不确定性的能力。制定了一种不确定性量化及分解方案,可实现诊断结果的可信度表征以及认知不确定性和偶然不确定性的分离。以行星齿轮箱智能故障诊断为例,在测试数据中含有未知故障模式、未知噪声水平以及未知工况样本的分布外泛化场景中,充分验证了所提方法用于可信故障诊断的可行性。 展开更多
关键词 可信故障诊断 不确定性感知网络 变分注意力 不确定性量化及分解 贝叶斯深度学习
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部