我的新闻

分享到:
[IEEE TIM 2023 ] 祝贺团队论文被工业智能领域顶刊IEEE Trans. Instrum. Meas. (中科院1区)录用
发布者: 杨树森 | 2023-12-27 | 24385

FedLED: Label-Free Equipment Fault Diagnosis with Vertical Federated Transfer Learning(作者:Jie Shen, Shusen Yang*, Cong Zhao, Xuebin Ren, Peng Zhao, Yuqian Yang, Qing Han, and Shuaijun Wu)。该工作提出了首个无监督纵向联邦迁移故障诊断算法FedLED,突破了行业普遍面临的零标签工业装备故障诊断难题,解决了实际场景中新装备故障诊断模型难启动的痛点问题。FedLED通过纵向联邦域对抗自适应和联邦领域对齐,在将异构特征空间映射到隐公共特征子空间的同时,最小化源域标签分布和目标域分类结果分布之间的距离。基于真实工业大数据的大量实验全面验证了FedLED的有效性和先进性,其故障诊断准确率较SOTA方法最高提升4.13倍。

 

 

 1 问题及方法框架图