概率贝叶斯变压器

量化故障诊断不确定性

通过贝叶斯变分学习引入注意力不确定性，分解认知与偶然不确定性，提升旋转机械故障诊断的可信度。

Xiao, Yiming · 邵海东 · Minjie, Feng · 韩特 · 万加富 · Liu, Bin

Journal of Manufacturing Systems 2023

参数信息

分布外泛化场景数

3

技术优势

能知道何时不可信

通过量化认知和偶然不确定性，用户可以判断模型输出是否可信，从而在不确定时避免错误决策。

能定位错误来源

将总不确定性分解为认知不确定性和偶然不确定性，分别指出模型本身的欠缺与数据中的固有随机性，便于有针对性地改进模型或数据。

应用场景

• 旋转机械故障诊断：提供故障诊断及其不确定性，帮助工程师避免基于错误预测的停机决策。
• 工业设备状态监测：在状态监测中增加可靠性判断，使维护团队能识别模型不可信的情况。
• 可信深度学习：通过量化不确定性来源，提升模型透明度和用户信任度。