★ 2
深度学习堆叠集成预测涡扇发动机剩余寿命
提出两层级堆叠集成框架预测涡扇发动机剩余寿命，集成多种深度学习基学习器。在C-MAPSS数据集上优于现有基线，验证了堆叠集成在健康管理中的有效性。
arXiv cs.AI63 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
提出两层级堆叠集成框架预测涡扇发动机剩余寿命，集成多种深度学习基学习器。在C-MAPSS数据集上优于现有基线，验证了堆叠集成在健康管理中的有效性。
论文针对时空图神经网络在剩余使用寿命（RUL）预测中的缺陷，提出 MTFGN-SRL 框架：将样本视为单张完整图，用傅里叶图神经网络在频域捕捉时空信息，并引入多回溯窗口的多阶学习与样本关系学习模块。在 CMAPSS 数据集上性能优于现有最优方法。