小样本故障诊断
通过反事实增强和特征权重网络，在有限且不平衡的样本下学习判别性表征，实现机械故障的可靠诊断。
Liu, Yunpeng · 姜洪开 · Yao, Renhe · Tao, Zeng
Mechanical Systems and Signal Processing 2024
通过反事实增强生成合理的负样本，配合量身定制的小样本对比学习，模型在样本有限时仍能学到判别性表征，准确识别故障。
特征权重网络结合权重更新器和特征稀疏化器，能够提取稀疏且可靠唯一的最优特征，为后续对比学习提供高质量输入。
模型的判别性表征与机械部件的故障机理相吻合，决策过程可解释，便于工程师理解和信任诊断结果。