适用于长大坡道高速列车制动闸片状态监控的自适应网络学习方法

本发明属于人工智能技术领域，公开了一种适用于长大坡道高速列车制动闸片状态监控的自适应网络学习方法，利用源域数据集和两个以上的目标域数据集进行学习，首先利用源域数据集对特征提取器和分类器构成的预测模型进行预训练；为各目标域配置相应的预测模型，并利用预训练的预测模型进行初始化，通过预测模型对各目标域数据集进行测试，得到相应的分类结果；依据各目标域数据集的测试结果构建损失函数，并利用构建的损失函数对各目标域的分类器进行优化。本发明在解决多目标问题上具有明显的优势，在实际列车制动监测应用中展现出巨大潜力，为实现长大坡道高速列车制动闸片跨转速状态监控提供了支持。