噪声下事件识别更稳
通过物理启发的数据增强与自适应时空特征融合，在真实工业环境下实现可靠、可泛化的事件识别。
Xing-Ye, Bai · Xupeng, Jiao · Lin, Jun · Zhao, Xin · Pi, Shuai · 蒋川东
Expert Systems with Applications 2026
设计了噪声感知自适应交叉熵损失函数，抑制噪声对训练的干扰，提升判别性能。
采用双分支架构联合提取时间与时空表示，并通过 F-STAF、F-TCAF 和 DM-DCF 模块强化自适应时空特征融合。
引入物理启发的数据增强策略，增强模型在真实工业传感条件下的鲁棒性。