Jan, 2023
疲劳损伤预测问题中的自监督学习对于数据稀缺性的应用
Self-Supervised Learning for Data Scarcity in a Fatigue Damage Prognostic Problem
Anass Akrim, Christian Gogu, Rob Vingerhoeds, Michel Salaün
TL;DR本研究探讨了利用自监督学习技术预先在未标记传感器数据上对深度学习模型进行预训练,以及少样本学习技术,是否对飞行器结构所使用的 铝合金板的剩余寿命估计有用。结果表明,经过自监督预训练的模型能够显著地提高下游的剩余寿命预测任务中的预测性能,并且具有更小的计算成本,对于仅具有有限的标记数据的预测任务具有很大的价值。