动态深度迁移网络

跨规格精准预测

通过动态域自适应匹配源域与目标域样本，实现无标签新规格产品的高精度质量预测。

王佩 · Wang, Tao · Sheng, Yang · Cheng, Han · Pengde, Huang · Qianle, Zhang

Journal of Intelligent Manufacturing 2023

参数信息

平均绝对误差提升率
18.26 %
均方根误差提升率
16.66 %
决定系数提升率
22.48 %
平均绝对误差提升率（相对其他迁移方法）
10.45 %
均方根误差提升率（相对其他迁移方法）
10.96 %
决定系数提升率（相对其他迁移方法）
9.72 %

技术优势

跨规格直接预测

无需新规格产品的标注数据，利用无监督动态域自适应从源域迁移知识，即可对目标域新规格产品进行质量预测。

适配源域样本

Wasserstein距离适配器筛选合适的源域和目标域样本，构建适合迁移的多个任务，提高跨域质量预测成功率。

动态适应新规格

结合动态分布适配和动态对抗适配提取域不变特征，增强模型对尺寸差异、无标签和有限质量数据的新规格产品的适应性。

应用场景