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的填写文献信息,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!

Meta-learning as a promising approach for few-shot cross-domain fault diagnosis: Algorithms, applications, and prospects

计算机科学 人工智能 断层(地质) 鉴定(生物学) 任务(项目管理) 公制(单位) 机器学习 领域(数学分析) 深度学习 特征(语言学) 特征提取 算法 数据挖掘 工程类 系统工程 地质学 数学分析 哲学 生物 地震学 植物 语言学 数学 运营管理
作者
Yong Feng,Jinglong Chen,Jingsong Xie,Tianci Zhang,Haixin Lv,Tongyang Pan
出处
期刊:Knowledge Based Systems [Elsevier BV]
卷期号:235: 107646-107646 被引量:149
标识
DOI:10.1016/j.knosys.2021.107646
摘要

The advances of intelligent fault diagnosis in recent years show that deep learning has strong capability of automatic feature extraction and accurate identification for fault signals. Nevertheless, data scarcity and varying working conditions can degrade the performance of the model. More recently, a tool has been proposed to address the above challenges simultaneously. Meta-learning, also known as learning to learn, uses a small sample to quickly adapt to a new task. It has great application potential in few-shot and cross-domain fault diagnosis, and thus has become a promising tool. However, there is a lack of a survey to conclude existing work and look into the future. This paper comprehensively investigates deep meta-learning in fault diagnosis from three views: (i) what to use, (ii) how to use, and (iii) how to develop, i.e. algorithms, applications, and prospects. Algorithms are illustrated by optimization-, metric-, and model-based methods, the applications are concluded in few-shot cross-domain fault diagnosis, and open challenges, as well as prospects, are given to motivate the future work. Additionally, we demonstrate the performance of three approaches on two few-shot cross-domain tasks. Typical meta-learning methods are implemented and available at https://github.com/fyancy/MetaFD.
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
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
getgetting发布了新的文献求助10
2秒前
沐风完成签到 ,获得积分10
5秒前
量子星尘发布了新的文献求助10
5秒前
11秒前
14秒前
16秒前
量子星尘发布了新的文献求助10
18秒前
19秒前
Haha发布了新的文献求助10
19秒前
66发布了新的文献求助10
22秒前
26秒前
香蕉觅云应助Haha采纳,获得10
30秒前
量子星尘发布了新的文献求助10
33秒前
科研通AI5应助金葡菌采纳,获得30
36秒前
40秒前
41秒前
文艺的枫叶完成签到 ,获得积分10
46秒前
zxcv22100发布了新的文献求助10
46秒前
量子星尘发布了新的文献求助10
46秒前
50秒前
量子星尘发布了新的文献求助10
54秒前
57秒前
58秒前
量子星尘发布了新的文献求助10
1分钟前
高数数完成签到 ,获得积分10
1分钟前
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
ovo发布了新的文献求助10
1分钟前
getgetting完成签到,获得积分10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
劲秉应助mh采纳,获得10
1分钟前
史前巨怪完成签到,获得积分10
1分钟前
华仔在努力完成签到,获得积分10
1分钟前
1分钟前
名卡卡完成签到,获得积分20
1分钟前
1分钟前
1分钟前
量子星尘发布了新的文献求助10
1分钟前
名卡卡发布了新的文献求助20
1分钟前
Siqi发布了新的文献求助10
1分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
Statistical Methods for the Social Sciences, Global Edition, 6th edition 600
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
Walter Gilbert: Selected Works 500
An Annotated Checklist of Dinosaur Species by Continent 500
岡本唐貴自伝的回想画集 500
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 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3660939
求助须知:如何正确求助?哪些是违规求助? 3222150
关于积分的说明 9743757
捐赠科研通 2931683
什么是DOI,文献DOI怎么找? 1605151
邀请新用户注册赠送积分活动 757705
科研通“疑难数据库(出版商)”最低求助积分说明 734462