典型文献
基于堆叠有监督降噪自编码的运行状态评价
文献摘要：
本文针对非线性和噪声干扰的工业生产数据,提出一种基于堆叠有监督降噪自编码(SSDAE)的过程运行状态评价方法.首先,提出一种有监督降噪自编码模型,将状态等级标签引入到模型训练中,使得有监督DAE学习与过程运行状态密切相关的特征并具备较强的状态等级区分能力.其次,利用由多个有监督DAE模型堆叠而成的SSDAE提取过程数据中与运行状态密切相关的深层特征,并作为SoftMax分类器的输入建立过程运行状态评价模型.最后,将所提方法应用于湿法冶金过程运行状态评价,仿真结果表明,对数据按30％比例随机置零的方式进行损坏后,该方法的评价准确率高达95％,明显优于其他几种比较方法,验证了所提方法在强噪声干扰条件下良好的性能和可行性.
文献关键词：
工业过程;运行状态评价;降噪自编码;有监督学习;深度学习
中图分类号：
作者姓名：
刘炎;龚思哲;王福利;马喆
作者机构：
东北大学信息科学与工程学院 沈阳 110819;哈尔滨工业大学航天学院 哈尔滨 150000
文献出处：
引用格式：
[1]刘炎;龚思哲;王福利;马喆-.基于堆叠有监督降噪自编码的运行状态评价)[J].仪器仪表学报,2022(04):271-281
A类：
SSDAE
B类：
堆叠,降噪自编码,运行状态评价,噪声干扰,工业生产数据,状态评价方法,自编码模型,模型训练,得有,区分能力,过程数据,深层特征,SoftMax,分类器,建立过程,湿法冶金,比较方法,强噪声,干扰条件,工业过程,有监督学习
AB值：
0.272176
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。
