摘要
本发明属于剩余寿命预测技术领域,公开了基于多源特征动态加权子域自适应的剩余寿命预测方法,具体技术方案为:构建系统剩余寿命预测网络,由多域特征提取器从多个源域及目标域的输入数据中提取关键信息,由跨域差异感知层度量多源域特征与目标域特征在退化趋势上的相似性,并对多源特征实施动态加权形成包含多源域特征的加权特征,加权特征与目标域特征被送到联合分布自适应模块中,用于跨域特征对齐任务中的分布差异处理,构建系统剩余寿命预测网络的联合损失函数,利用双向门控循环单元网络组成剩余寿命预测模块,对来自于测试集特征提取器输出的特征进行处理并输出最终预测结果,有效地利用多源域数据提高目标域的预测准确性。
技术关键词
剩余寿命预测方法
多源特征
门控循环单元网络
加权特征
联合损失函数
构建系统
特征加权融合
注意力机制
特征提取器
卷积层运算
深度特征融合网络
动态
剩余寿命预测技术
多尺度卷积神经网络
标签
度量
融合卷积特征
系统为您推荐了相关专利信息
数据分析方法
离散特征
联合损失函数
机器学习算法
多层感知器
可见光图像
双模态图像
温差
成像装置
数据处理单元
疾病机制研究
双线性
多源特征融合
环状
融合深度学习
单元测试用例
微调方法
Actor模型
生成测试用例
联合损失函数
声纹识别模型
语音特征
模型训练方法
多任务处理方法
特征提取模型