一种基于卷积神经网络的电梯故障诊断方法

本发明公开了一种基于卷积神经网络的电梯故障诊断方法，构建基于查询策略的主动学习框架，包括数据管理模块、查询策略模块与卷积神经网络模型；使用少量有标签数据训练初始卷积神经网络；获取该模型对所有无标签数据集的预测概率，并计算其梯度嵌入向量；使用K‑means++算法进一步筛选出兼具高贡献度和多样性的无标签数据集，交由人工标注，再使用兼具高贡献度和多样性的无标签数据集重新训练模型，循环这个过程直至耗尽无标签数据集或者模型到达指定测试准确度；本发明从网络模型框架、损失函数和查询策略等层面发掘无标签样本中隐含的信息，对模型最难理解的样本进行重要性排序，让专家集中精力提供最有用的信息，以降低构建模型的训练成本。