融入噪声的监督增强网络用于小样本数据增强

来源：电子测量技术杂志2024年第20期北京时间：

作者：郭小萍，赵霄丰，李元

单位：沈阳化工大学信息工程学院 沈阳 110142

摘要：在复杂的工业过程中，由于关键变量难以测量，过程数据具有不平衡和不完整的特点，导致软测量性能下降。为了解决这一问题，提出一种融入噪声的监督增强自编码器虚拟样本生成方法。首先，为了加强输入与输出的映射关系并保证特征信息的完整性，该方法在自编码器的编码部分添加增强层，解码部分引入标签信息进行有监督约束训练。为了增加虚拟样本的多样性，在监督增强自编码器隐藏层提取的特征中加入高斯噪声。将生成的虚拟样本与原始小样本相结合，增强软测量模型的性能。与传统的虚拟样本生成方法不同，所提的NISEAE-VSG模型可以同时生成输入输出虚拟样本。为了验证所提方法的有效性，使用火力发电和聚乙烯过程的数据集进行仿真验证。仿真结果表明，所提方法生成的虚拟样本优于其他虚拟样本生成方法，可有效提高软测量建模精度。

关键词：软测量;虚拟样本;小样本;数据增强;监督增强自编码器

基金资助：国家自然科学基金(62273242)、辽宁省教育厅科学研究一般项目(LJ2020021)资助