原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供了一种基于半监督进化学习的加工中心刀具磨损监测方法，属于机械加工状态监测技术领域。用有限数量的带标签的刀具磨损样本训练基于度量学习的深度学习模型，并将其作为初始的半监督学习SSL模型。将未标记的刀具磨损样本依次输入到初始的SSL模型中，获得伪标签。基于输出概率的置信水平和刀具磨损的物理规律，选择置信度较高的伪标签样本作为标记样本的扩展数据集。利用改进的GAN模型自适应地保持数据集中的类别平衡。该方法的最大优点能够在有限的标记样本下动态更新深度学习模型，提高模型泛化性能，实现对无标签的刀
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117564810A
(43)申请公布日2024.02.20
(21)申请号202311467719.1
(22)申请日2023.11.03
(71)申请人大连理工大学
地址116024
文档评论（0）