基于可解釋性深度學(xué)習(xí)的傳感器異常數(shù)據(jù)診斷

摘要： 針對(duì)橋梁健康監(jiān)測(cè)中多源傳感器數(shù)據(jù)異常診斷可解釋性較差和效率低的問題，提出了一種基于特征可視化的可解釋性卷積神經(jīng)網(wǎng)絡(luò)(CNN)數(shù)據(jù)異常檢測(cè)方法。充分考慮異常模式和多源傳感器類型的完整性，結(jié)合數(shù)據(jù)擴(kuò)充方法，構(gòu)建了多源監(jiān)測(cè)數(shù)據(jù)異常模式庫，同時(shí)，基于CNN展開異常特征提取，利用特征和類激活圖(CAM)可視化的方法，深入分析異常類型特征，從而實(shí)現(xiàn)對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)的解釋分析。實(shí)驗(yàn)結(jié)果表明：考... （共4頁）

深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 特征可視化 異常診斷 健康監(jiān)測(cè)