摘要
本发明公开了多维度相似度度量结合自适应权重调整的迁移学习方法,涉及模型训练技术领域,方法包括:针对任一待检测机械设备,调取该待检测机械设备在不同维修机构的至少两份历史维修记录,并对所有历史维修记录进行整合处理以及清洗处理,生成该待检测机械设备的维修数据;通过预训练模型对维修数据与不同损坏类别样本数据进行特征提取,得到第一特征向量以及第二特征向量,根据第一特征向量以及第二特征向量,计算维修数据与不同损坏类别样本数据之间的相似度,将相似度最高的损坏类别样本数据对应的损坏类别的使用寿命作为待检测机械设备的检测结果。本发明能够有效识别待检测机械设备的潜在问题,提高检测的准确性和效率。
技术关键词
检测机械设备
迁移学习方法
历史维修记录
预训练模型
迁移学习系统
度量
样本
卷积神经网络提取
模型训练技术
动态时间规整
异常数据
序列
电子设备
标签文本
可读存储介质
处理器
计算机
项目
系统为您推荐了相关专利信息
序列特征
预训练模型
样本
蛋白质三维结构
训练集
故障诊断方法
Softmax分类器
数据样本集合
迁移学习模型
时序
语义实体
文本
语义信息提取
空间坐标信息
多头注意力机制
分类模型训练方法
抽象语法树
程序分类方法
节点
标签
文本实体识别
局部特征提取
命名实体识别
农作物病虫害
条件随机场