基于伪标签的弱监督迁移学习模型

来源：机床与液压杂志2021年第24期北京时间：

作者：侯鑫烨，董增寿，刘鑫

单位：太原科技大学电子信息工程学院;阳泉市区域创新促进中心；太原科技大学电子信息工程学院；太原科技大学电子信息工程学院

摘要：针对目标域标记数据少导致迁移模型泛化能力差的问题，提出基于伪标签的半监督迁移学习模型WSTLPL。卷积神经网络用于学习原始振动数据的可迁移特征，用源域数据预训练网络；利用该网络预测目标域数据类别，将分类概率最大的类标签作为数据的伪标签。根据域自适应和伪标签学习的正则化项，对神经网络的参数施加约束，以减少学习到的可迁移特征的分布差异。结果表明：与现有诊断模型相比，该迁移模型的准确率更高。

关键词：弱监督学习;域自适应;伪标签;迁移学习

基金资助：国家留学基金资助项目(201808140235)；山西省留学归国人员择优资助项目（2020-127）；山西省重点研发计划项目（201903D321012）