基于深度核与多核联合学习的镀层质量评估系统

摘要：

针对传统核学习方法在处理复杂非线性数据存在过拟合和分类精度不高等问题,影响对镀层质量评估的准确性,提出基于深度核学习(deep kernel learning,DKL)与多核学习(multiple kernel learning,MKL)双向促进的联合学习方法,将多核方法组合深度自编码器(stack auto encoder,SAE)的输入层、最高编码层与最高解码层网络建模,获得更全面的信息.同时,将深度核以非线性乘积方式融入到高斯多核的优化训练中,形成非线性组合核.通过大量基准数据集和实际工业数据试验表明,本联合方法取得了最高的分类精度,验证了其对复杂时变镀锌过程的自适应性,大幅提高了镀层质量评估的准确性.

关键词：多核学习、深度学习、数据挖掘、镀锌过程

所属期刊栏目：47

分类号：TP311.13;TN949.28;G434

资助基金：国家重点研发计划2017YFB0304103

在线出版日期：2023-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：126-132