检索结果-南通市图书馆

维普期刊数据库

可解释性智能监测诊断网络构造及航空发动机整机试车与中介轴承诊断应用

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2024年第12期 90-106页

作者：王诗彬王世傲陈雪峰黄海安波涛赵志斌刘永泉李应红西安交通大学航空动力系统与等离子体技术全国重点实验室西安交通大学机械工程学院中国航空发动机集团公司沈阳发动机研究所

航空发动机故障预测与健康管理是提高航空发动机安全性、可靠性以及经济可承受性的关键技术。基于深度学习的人工智能方法在机械故障诊断领域受到广泛关注并开展了深入研究，但现有深度学习“黑箱算法”的现状仍然存在模型可解释性差、... 详细信息

航空发动机故障预测与健康管理是提高航空发动机安全性、可靠性以及经济可承受性的关键技术。基于深度学习的人工智能方法在机械故障诊断领域受到广泛关注并开展了深入研究，但现有深度学习“黑箱算法”的现状仍然存在模型可解释性差、理论基础薄弱等问题。针对航空发动机健康管理与智能运维的迫切需求，提出航空发动机可解释性智能监测诊断网络，并在某型涡扇发动机整机长试试验中验证了异常检测与中介轴承故障诊断的有效性。将发动机振动信号先验信息融入稀疏表示模型，对模型的迭代求解算法进行展开得到结构具有可解释性的核心网络；针对航空发动机异常检测与智能诊断任务构造了基于对抗训练框架的可解释性异常检测子网络和基于特征提取框架的可解释性故障诊断子网络。本文提出的基于迭代算法展开的网络构造框架具备明确的理论基础，即网络设计有依据；稀疏表示模型驱动的可视化方法能够检验网络是否学到了与发动机故障相符的有意义的特征，即学习结果可信任。最后，通过某型涡扇发动机整机长试试验积累的超过500小时的试车数据，验证了本文提出的模型驱动的可解释性智能监测诊断网络在航空发动机异常检测与中介轴承故障诊断方面的有效性与可靠性。

关键词：航空发动机健康管理可解释性人工智能算法展开异常检测故障诊断

同方期刊数据库

基于可解释时空图卷积网络的多传感数据融合诊断方法

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2024年第12期 158-167页

作者：温楷儒陈祝云黄如意李东鹏李巍华华南理工大学吴贤铭智能工程学院人工智能与数字经济广东省试验室华南理工大学机械与汽车工程学院

随着大数据和人工智能技术的发展，深度学习及其衍化算法在故障诊断领域取得了丰硕成果并得到了广泛应用。然而，智能故障诊断方法也存在着诸多挑战：(1)现有的多传感数据融合方法难以充分挖掘多传感器间的时空信息来优化诊断性能；(2)... 详细信息

随着大数据和人工智能技术的发展，深度学习及其衍化算法在故障诊断领域取得了丰硕成果并得到了广泛应用。然而，智能故障诊断方法也存在着诸多挑战：(1)现有的多传感数据融合方法难以充分挖掘多传感器间的时空信息来优化诊断性能；(2)智能诊断模型的决策过程可解释性弱，无法满足实际工业场景下的可靠性要求。因此，提出一种基于可解释时空图卷积网络的多传感数据融合诊断方法。首先，通过构建门控卷积层以学习并增强时间特征；其次，结合传感器空间布局关系和图卷积网络多传感信息融合能力，学习并提取多传感器数据的空间特征，并通过行星齿轮箱故障诊断任务验证了模型有效性；最后，利用改进梯度类激活映射算法分析各传感器数据对模型诊断决策过程的重要度，从而提升模型更新过程的可解释性。试验结果表明，所提方法不仅具有较好的诊断性能，而且为多源传感融合诊断提供了一种有效的事后解释方法。

关键词：智能故障诊断图卷积网络可解释性人工智能行星齿轮箱

同方期刊数据库

基于SAR/InSAR图像的典型地物自动分类研究

在线全文

学校读者我要写书评

暂无评论

基于SAR/InSAR图像的典型地物自动分类研究

作者：蔡兴敏长沙理工大学

学位级别：硕士

SAR/InSAR图像典型地物分类算法是SAR图像理解与解译的重要分支。近年来,基于深度学习的SAR地物分类已经替代传统算法成为主流。然而深度神经网络“端到端”的特点使人们难以理解其工作机制及决策依据,这种“黑盒”特性严重阻碍了其性... 详细信息

SAR/InSAR图像典型地物分类算法是SAR图像理解与解译的重要分支。近年来,基于深度学习的SAR地物分类已经替代传统算法成为主流。然而深度神经网络“端到端”的特点使人们难以理解其工作机制及决策依据,这种“黑盒”特性严重阻碍了其性能提升及实际中的广泛应用。论文利用深度学习方法来研究SAR/InSAR典型地物的自动分类,并对神经网络的“黑盒”特性进行了初步研究,主要研究内容及贡献如下:1)提出了多层特征融合注意力机制(Multi-layer feature fusion attention mechanism,MF2AM)。该网络采用ResNet101进行初步特征提取并输出4级特征,进而通过注意力金字塔池化对高层特征图进行多尺度的深入提取;构建的语义嵌入分支融合中间层特征后再聚合空间信息来指导特征图像素分类,提高边缘分割效果。实验表明该网络能在大尺度毫米波InSAR图像中提取高精度的叠掩目标。2)针对SAR图像黄河地表水提取中存在的区域漏检和边界检测效果差等问题,提出了全局注意力和边缘细化网络(Global Attention and Boundary Refinement Network,GABRN)。GABRN通过多尺度注意力金字塔模块从全局范围内提取多尺度特征;采用融合细化模块将包含边界细节信息的低层特征和包含语义信息的高层特征进行融合,进而细分边界。5年的Sentinel-1数据实验表明该网络可实现水体的高精度提取。3)针对神经网络的“黑盒”问题,提出了一种基于可解释性深度学习的SAR图像表面水自动检测框架。该框架集成了局部和全局归因技术对4个骨干网络进行归因分析,并通过可视化特征热力图来评估深度网络的特征提取性能,实验表明了本文对骨干网络解释性方法的有效性。本文对SAR/InSAR图像典型地物分类展开研究,提出的MF2AM网络有明显性能优势,实现了 InSAR图像中叠掩区域的高精度自动提取;提出的GABRN网络有效解决了水体提取存在漏检和边界检测差的问题,在SAR图像黄河水体提取上取得了满意的结果;提出的可解释性深度学习框架有效解释了 SAR图像水体提取中不同骨干网络的性能,能够为SAR图像水体提取选择最优秀的骨干网络。

关键词：合成孔径雷达语义分割可解释性人工智能注意力机制水体叠掩分类特征融合

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合领域知识的可解释性法律判决预测研究

融合领域知识的可解释性法律判决预测研究

作者：曹雅筠西南财经大学

学位级别：硕士

法律判断预测是指根据刑事案件的事实描述,自动预测指控罪名、法律条款和刑期等判决结果的任务。它是司法辅助系统的关键环节,现有的许多法律判决预测模型往往只追求判决预测结果的准确性,忽略了可解释性问题。而基于人工智能技术的可... 详细信息

法律判断预测是指根据刑事案件的事实描述,自动预测指控罪名、法律条款和刑期等判决结果的任务。它是司法辅助系统的关键环节,现有的许多法律判决预测模型往往只追求判决预测结果的准确性,忽略了可解释性问题。而基于人工智能技术的可解释模型,能够以人类法官的逻辑向专业人员提供参考,为不熟悉法律条文和专业术语的公众说明模型进行预测、判决案件的根据,成为当前计算机和法律领域交叉研究的热点。本文提出了融合法律领域知识的可解释性法律判决预测模型。包含层次概念树以增强可解释性。在模型设计阶段,使用法律领域的预训练模型作为特征获取模块,并结合犯罪构成理论,设计了层次概念树模型。刑法法律条文作为领域知识和模型决策指导,被纳入模型决策过程。通过注意力热力图展示了模型决策过程中所关注的案情事实描述重点内容,向用户提供可解释性。在模型实验阶段,通过消融实验证明了本模型具有词级别的可解释性和较高的法律判决预测准确性。同时,本文深入讨论了模型结果的可解释性:(1)在微观层面,使用近年来的新案例作为外部测试样本,展示了模型在罪名预测任务中的决策过程。(2)在宏观层面上,统计了每个阶段模型预测的误差,以检查融合在模型结构中的法律知识是否能引导模型决策。(3)进一步讨论了模型是否侧重于阅读和理解案件事实的过程,并分析模型所学知识与人类知识之间的一致性,为法律领域人机价值对齐打下基础。

关键词：法律判决预测可解释性人工智能法律条文知识自然语言处理层次概念树

基于语义对齐关系的细粒度文本匹配表示学习与可解释性研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于语义对齐关系的细粒度文本匹配表示学习与可解释性研究

作者：李昕洋华中科技大学

学位级别：硕士

文本匹配是自然语言处理领域的核心问题,具有重要的研究价值。基于孪生网络结构的预训练语言模型在句子级相似度计算的文本匹配任务中表现优异,然而,这类模型无法捕捉标记对之间的语义对齐关系,导致其在捕捉语义层次差异和细粒度信息方... 详细信息

文本匹配是自然语言处理领域的核心问题,具有重要的研究价值。基于孪生网络结构的预训练语言模型在句子级相似度计算的文本匹配任务中表现优异,然而,这类模型无法捕捉标记对之间的语义对齐关系,导致其在捕捉语义层次差异和细粒度信息方面仍然存在局限。此外,基于孪生网络结构的预训练语言模型通常缺乏解释其匹配结果的方法,也限制了模型的应用。为了解决上述两个问题,提出了一种基于最优传输的可解释文本匹配框架。该框架主要包括细粒度文本匹配表示学习模块和松弛化稀疏对齐解释模块。在细粒度文本匹配表示学习方面,针对于传统孪生网络结构的预训练语言模型无法捕捉句子间标记对对齐关系的问题,提出了一种基于语义对齐关系的细粒度文本匹配表示学习方法(Fine-grained Text Matching Representation Learning Method Based on Semantic Alignment,FTMR)。该方法采用最优传输算法捕获文本之间细粒度的匹配关系,并结合共注意力机制学得更全面的文本表示。虽然FTMR本身具有一定的可解释性,但在实际应用中,FTMR提供的自解释方法存在稀疏性差、单个词对齐解释次优等问题,需要进一步改进。在松弛化稀疏对齐解释方面,针对FTMR自解释方法存在的问题,提出了一种基于松弛最优传输的近似稀疏匹配解释提取方法(Relaxed Optimal Transport-based Approximate Sparse Matching Interpretation Extraction Algorithm,RAME),该方法通过放松最优传输算法中接收端的约束,实现了多对一的对齐方式。这种对齐结果不仅显著提高了单词匹配的稀疏度,还能更精确地捕捉单个词语的对齐关系。FTMR在多个开放的基准实验数据集上与当前主流的先进模型进行了对比,平均表现提升了2.61%,最高提升了4.75%。RAME在多个开放的基准实验数据集上与当前主流的先进模型进行了对比,平均表现提升了2.17%。RAME与FTMR进行了对比解释性评估,实验结果显示RAME能够提供更高质量的稀疏对齐解释。

关键词：自然语言处理可解释性人工智能文本匹配表示学习最优传输

基于SHAP XAI的高过载永磁同步电机优化设计

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电工技术 2022年第11期 194-200页

作者：李程韩雪岩朱龙飞沈阳工业大学国家稀土永磁电机工程技术研究中心辽宁沈阳110870

提出了一种机器人高过载无框伺服电机方案,首先从表贴式永磁同步电机的电压转矩方程出发,探讨了影响表贴式永磁同步电机过载能力的因素,通过SHAPLEY模型可解释性框架对主要影响电机过载能力的永磁体厚度、气隙长度、极弧系数、定子裂比... 详细信息

提出了一种机器人高过载无框伺服电机方案,首先从表贴式永磁同步电机的电压转矩方程出发,探讨了影响表贴式永磁同步电机过载能力的因素,通过SHAPLEY模型可解释性框架对主要影响电机过载能力的永磁体厚度、气隙长度、极弧系数、定子裂比等设计因素进行分析,得到上述设计参数对电机过载能力贡献度随不同设计方案和自身数值改变的变化规律,然后利用该模型对科尔摩根TMB(S)-6051-A无框永磁同步电机进行优化设计,最终使电机过载能力达到4.6倍。

关键词：高过载表贴式永磁同步电机无框电机可解释性人工智能 SHAPLEY模型解释性框架

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

人-无人车交互中的可解释性交互研究

包装工程 2020年第18期41卷 22-28页

作者：郭炜炜王琦同济大学上海200092

目的随着现代人工智能技术在自动驾驶系统中的广泛应用,其可解释性问题日益凸显,为此探讨人-无人车交互过程中的可解释性交互的框架以及设计要素等问题,以增强自动驾驶系统的决策透明性、安全性和用户信任度。方法结合可解释人工智能和... 详细信息

目的随着现代人工智能技术在自动驾驶系统中的广泛应用,其可解释性问题日益凸显,为此探讨人-无人车交互过程中的可解释性交互的框架以及设计要素等问题,以增强自动驾驶系统的决策透明性、安全性和用户信任度。方法结合可解释人工智能和人机交互的基本理论与方法,本文首先介绍了可解释性人工智能,对当前可解释内容的提取方法进行总结,然后以人-机器人交互的透明度模型为基础,建立人-无人车交互中可解释性交互的框架。最后从解释的对象、方式和评价等多个设计维度对可解释性的交互设计问题进行探讨,并结合案例进行分析。结论可解释性作为人与模型决策之间的接口,不仅仅是一个人工智能技术问题,而且与人密切相关,涉及到人-无人车交互中的多个层次。本文提出人-无人车交互中可解释性交互的框架,得出在人-无人车交互每个阶段需要的解释内容以及可解释交互设计的要素。

关键词：人车共驾人-无人车交互可解释性人工智能透明度

维普期刊数据库