亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Integrating intrinsic information: A novel open set domain adaptation network for cross-domain fault diagnosis with multiple unknown faults

域适应 计算机科学 领域(数学分析) 断层(地质) 集合(抽象数据类型) 适应(眼睛) 数据挖掘 分布式计算 人工智能 心理学 数学 神经科学 地质学 地震学 数学分析 程序设计语言 分类器(UML)
作者
Yuteng Zhang,Hongliang Zhang,Bin Chen,Jinde Zheng,Haiyang Pan
出处
期刊:Knowledge Based Systems [Elsevier BV]
卷期号:299: 112100-112100 被引量:1
标识
DOI:10.1016/j.knosys.2024.112100
摘要

Existing popular domain adaptation approaches typically assume that the source and target domains share the same label set. However, in industrial scenarios, the equipment may encounter unknown fault modes because of the harsh operating environment, which limits the application of existing diagnostic methods. To address the above problem, an intrinsic information-guided open set domain adaptation network is proposed for cross-domain fault diagnosis with unknown faults. First, a similarity-based discrimination framework is constructed to enhance the robustness of the model for unknown samples, which learns the similarity between samples and fault prototypes to enhance the classification performance. Then, a multi-information integrated weighting module is designed to quantify the transferability of samples through enhanced domain similarity information learning and prediction uncertainty information learning methods. Additionally, a self-supervised neighborhood clustering learning method is constructed, which enables the model to learn structural information about the target domain and encourages the target samples to cluster closely for better separability. Finally, the weighted open set adversarial training framework effectively facilitates diagnostic knowledge transfer and unknown fault recognition. Comprehensive experimental results on two datasets demonstrate the effectiveness of the proposed method in addressing the open set cross-domain diagnosis problem, which achieves promising performance over the comparison methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
有机卡拉米完成签到,获得积分10
5秒前
21秒前
phter完成签到,获得积分10
28秒前
加菲丰丰应助科研通管家采纳,获得10
1分钟前
1分钟前
Andy.发布了新的文献求助10
1分钟前
Andy.完成签到,获得积分10
1分钟前
走啊走完成签到,获得积分10
1分钟前
1分钟前
哈牛柚子鹿完成签到,获得积分10
1分钟前
子春二杦发布了新的文献求助10
1分钟前
斯文败类应助飞快的孱采纳,获得10
1分钟前
2分钟前
科目三应助走啊走采纳,获得10
2分钟前
哈哈哈发布了新的文献求助30
2分钟前
yyy发布了新的文献求助10
2分钟前
1947188918完成签到,获得积分10
2分钟前
阿鑫完成签到 ,获得积分10
2分钟前
子春二杦完成签到 ,获得积分10
2分钟前
3分钟前
3分钟前
上官若男应助科研通管家采纳,获得10
3分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
加菲丰丰应助科研通管家采纳,获得10
3分钟前
脑洞疼应助科研通管家采纳,获得10
3分钟前
yyy完成签到,获得积分10
3分钟前
nn发布了新的文献求助10
3分钟前
3分钟前
nn完成签到,获得积分10
3分钟前
3分钟前
走啊走发布了新的文献求助10
3分钟前
陨落星辰完成签到 ,获得积分10
4分钟前
酷波er应助方彧采纳,获得30
4分钟前
哈哈哈完成签到,获得积分10
4分钟前
wbs13521完成签到,获得积分0
4分钟前
小蘑菇应助飞快的孱采纳,获得10
4分钟前
5分钟前
Y3611应助科小白采纳,获得10
5分钟前
5分钟前
方彧发布了新的文献求助30
5分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Inherited Metabolic Disease in Adults: A Clinical Guide 500
计划经济时代的工厂管理与工人状况(1949-1966)——以郑州市国营工厂为例 500
INQUIRY-BASED PEDAGOGY TO SUPPORT STEM LEARNING AND 21ST CENTURY SKILLS: PREPARING NEW TEACHERS TO IMPLEMENT PROJECT AND PROBLEM-BASED LEARNING 500
Sociologies et cosmopolitisme méthodologique 400
Why America Can't Retrench (And How it Might) 400
Another look at Archaeopteryx as the oldest bird 390
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 催化作用 遗传学 冶金 电极 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 4626209
求助须知:如何正确求助?哪些是违规求助? 4025196
关于积分的说明 12458497
捐赠科研通 3710447
什么是DOI,文献DOI怎么找? 2046620
邀请新用户注册赠送积分活动 1078607
科研通“疑难数据库(出版商)”最低求助积分说明 961058