典型文献
基于多任务学习的结构损伤识别
文献摘要：
利用信号特征自动学习和提取的特性,深度神经网络已被成功应用于基于振动的结构损伤定位或程度诊断.单一的损伤位置或损伤程度诊断网络虽分别能实现一定的诊断功能,但不同任务之间的相关信息没有得到充分利用;因此,将损伤定位任务和损伤程度诊断任务相结合,基于一维空洞卷积神经网络,提出了一个具有信号特征共享与反馈特性的多任务联合学习模型.框架结构的数值模拟和实验模型研究表明,与单任务模型相比,多任务模型能有效降低定位错误和损伤程度估计误差,且具有更好的泛化性.
文献关键词：
深度学习;多任务学习;损伤识别;一维空洞卷积;神经网络
中图分类号：
作者姓名：
虞建;张纯;李睿;江汇强
作者机构：
南昌大学工程建设学院,江西 南昌330031;山东大学土建与水利学院,山东 济南250061
文献出处：
引用格式：
[1]虞建;张纯;李睿;江汇强-.基于多任务学习的结构损伤识别)[J].南昌大学学报（工科版）,2022(04):366-372
A类：
一维空洞卷积
B类：
多任务学习,结构损伤识别,信号特征,征自,自动学习,深度神经网络,成功应用,损伤定位,断网,空洞卷积神经网络,特征共享,联合学习,框架结构,实验模型,单任务,多任务模型,位错,估计误差,泛化性
AB值：
0.338819
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
