摘要
現有智能故障診斷研究大多專注于提升準確率,意味著僅由模型制定決策。從安全方面看,這種對模型的過度依賴會導致其即使給出不可信的診斷結果,用戶也無從知曉;從倫理方面看,現代人工智能技術缺乏道德指導,相關法律尚未完善,一旦誤診難以追責。一個可靠的診斷模型不僅應盡可能提供準確的結果,還應指出其決策失效的可能性以警示用戶。因此,有必要評估結果的可信度來緩解模型失效的風險,實現可信故障診斷。然而,現代深度學習模型往往校準不佳,通常被認為可表征結果可信度的softmax輸出與結果正確的真實概率存在失配,致使直接將其作為可信度指標存在顯著偏差。為此,提出了一種名為自適應置信度懲罰的校準技術,它能精細地調整施加在每個訓練樣本上的置信度懲罰強度,進而影響模型所推導的驗證/測試樣本的softmax概率。該方法彌補了原始置信度懲罰方法使用固定懲罰強度而未考慮樣本置信度特性的局限性,進一步提升了校準質量并獲得了校準良好的診斷模型。實驗結果闡釋了設計所提方法的動機并證明了該方法的優越性。
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
責任編輯:趙子祎
責任校對:惲海艷
審 核:張 彤
JME學院簡介
JME學院是由《機械工程學報》編輯部2018年創建,以關注、陪伴青年學者成長為宗旨,努力探索學術傳播服務新模式。
歡迎各位老師掃碼添加小助理-暖暖為好友,由小助理拉入JME學院官方群!
歡迎關注機械工程學報視頻號~
尋覓合作伙伴
有一種合作叫做真誠,有一種發展可以無限,有一種伙伴可以互利共贏,愿我們合作起來流連忘返,發展起來前景可觀。關于論文推薦、團隊介紹、圖書出版、學術直播、招聘信息、會議推廣等,請與我們聯系。
感謝關注我們!《機械工程學報》編輯部將努力為您打造一個有態度、有深度、有溫度的學術媒體!
![]()
版權聲明:
本文為《機械工程學報》編輯部原創內容,歡迎轉載,請聯系授權!
在公眾號后臺留言需要轉載的文章題目及要轉載的公眾號ID以獲取授權!
聯系人:暖暖
電話:010-88379909
E-mail:jme@cmes.org
網 址:http://www.cjmenet.com.cn
官方微信號:jmewechat
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.