Dec, 2020

工业自动化的深度迁移学习：一项针对数据驱动机器学习新技术的综述和讨论

PDF
TL;DR介绍了迁移学习和持续学习的概念，综述了工业深度迁移学习的应用方法，包括计算机视觉等领域已达到最新技术水平的方法，以及其他领域如故障预测刚刚起步。提出了基于工业迁移学习应用的基本用例，并强调了将持续学习和迁移学习结合起来，以满足工业自动化领域对强鲁棒性学习算法的需求。
transfer learningcontinual learningindustrial automationcomputer visionfault prediction
发现论文，激发创造
  • 工业时间序列异常检测深度迁移学习综述：方法、应用和方向

    深度迁移学习在工业过程中具有识别异常事件和优化质量的潜力，通过利用与相关任务的知识以及解决时间序列异常检测的问题来解决使用标准深度学习所需的大规模标记数据的问题，同时降低了深度学习模型设计和实现的复杂度。

    Jul, 2023

  • 深度迁移学习调查

    本文综述了深度神经网络及其应用中存在的数据获取与标注问题，并介绍了基于深度迁移学习的研究，旨在通过迁移学习中提出的独立同分布假设的放宽，解决数据不足的问题。

    Aug, 2018

  • 故障预测中深度工业迁移学习调查

    本文是关于利用深度学习技术处理故障预测的应用场景、数据集不足和算法难定制等问题，探讨应用迁移学习和连续学习的方法来解决现实场景中故障预测问题的自适应性，并且为未来的研究提供最佳实践和通用的数据对比基准。

    Jan, 2023

  • 深度学习中的可迁移性研究

    本文介绍深度学习中的迁移学习，包含核心原理和方法、面临的基本问题、未解决的问题以及工具库和基准测试等方面的内容。

    Jan, 2022

  • 机器人中的迁移学习：即将到来的突破？承诺与挑战综述

    通过一个综述性论文，我们统一了机器人学领域中的迁移学习概念，并提供了首个考虑机器人、任务和环境关键概念的分类法，同时也强调了在实现迁移学习的全部潜力方面最重要的障碍，包括迁移的不同抽象层级，迁移差距和质量的量化需求，以及负向迁移所带来的危险。希望通过本文引导学术界在实现机器人学中迁移学习的全部潜力方面集中努力。

    Nov, 2023

  • 智能车辆感知的深度迁移学习：综述

    本文是关于智能汽车感知领域的深度转移学习综述，讨论了传感器、数据以及模型带来的领域差异及其挑战。该综述总结了现有的应用、挑战和未来研究方向，以解决深度学习中的特征分布差异问题。

    Jun, 2023

  • 深度迁移学习在图像分类上的应用综述

    本论文从深度迁移学习定义开始，概览了图像分类领域中当前发展情况及存在的知识空白，并提出了一种新的迁移学习应用分类法以帮助更好地理解迁移学习的成效和问题所在。

    May, 2022

  • 面向深度工业迁移学习的聚类算法：迁移案例选择

    本文介绍了一种基于 BIRCH 聚类算法的传输案例选择机制，通过对聚类算法的调查，可以得出这种选择机制可以在不考虑顺序、大小和数据集的维数的前提下，提高传输结果的适用性，并在一个离散制造场景的工业时间序列数据集上进行了评估。

    Apr, 2022

  • 深度迁移学习在入侵检测系统中的应用：综述

    本文重点介绍了基于深度迁移学习的入侵检测系统 (IDS)， 特别是在工业控制网络中的应用。通过回顾相关文献，介绍了不同类型的数据集，DTL 使用的种类，预训练网络，IDS 技术以及评估指标等，经过不同研究的比较分析，证明了基于 DTL 的 IDS 可以更好地提高网络安全性。

    Apr, 2023

  • 深度迁移学习与最近进展综述

    该论文介绍了深度迁移学习的定义和分类方式，探讨了近五年来应用的技术，并研究了实验分析结果，讨论了深度迁移学习方法的限制以及对应的解决方案和研究趋势。其中包括在 Covid-19 检测和边缘设备上应用深度迁移学习可以降低训练成本和增加精度的优势。

    Jan, 2022