基于无监督学习与迁移学习的桥梁损伤检测方法与系统

AITNT
正文
推荐专利
基于无监督学习与迁移学习的桥梁损伤检测方法与系统
申请号:CN202510265083
申请日期:2025-03-07
公开号:CN120180555A
公开日期:2025-06-20
类型:发明专利
摘要
本发明公开了基于无监督学习与迁移学习的桥梁损伤检测方法与系统,具体包括以下步骤:S1、数据样本获取;S2、模型的构建与训练;S3、迁移学习;S4、损伤检测;本发明涉及桥梁损伤检测技术领域。该基于无监督学习与迁移学习的桥梁损伤检测方法与系统,通过采用数值仿真生成大规模的损伤数据,在无需大量标注数据的情况下,通过无监督卷积自编码器提取桥梁损伤特征,有效降低数据依赖性的同时,通过迁移学习提高无监督卷积自编码器在不同桥梁间的适用性,泛化能力强,并且减少了训练数据量,降低了计算负担,提升了无监督卷积自编码器的处理效率,进而提升桥梁损伤检测的精度和效率。
技术关键词
桥梁损伤检测方法 混凝土桥梁 无监督学习 编码器 重建误差 桥梁损伤检测系统 三维模型 解码器 有限元分析软件 裂缝 训练数据量 桥梁表面 损伤特征 样本 数值仿真 瓶颈
系统为您推荐了相关专利信息
1
一种基于边缘计算的铁水含硅量实时智能调控方法
铁水含硅量 智能调控方法 粒子滤波算法 模型预测控制器 模型预测控制框架
2
基于自监督学习的三维医学影像异常检测方法及系统
三维医学影像 异常检测方法 三维卷积神经网络 三维医学图像数据 编码器结构
3
一种红外图像检测模型的训练方法、装置及红外图像检测方法
图像检测模型 红外图像检测方法 编码特征 多尺度特征 解码器
4
基于预训练模型和先验知识的iNKT细胞Th1型激动剂量化预测模型
预训练模型 分子 无监督学习 迁移学习模型 疏水相互作用
5
一种基于多组学集成和深度图卷积网络的癌症亚型分类预测装置
深度图 编码器模块 预测装置 节点 矩阵
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号