| 首页 | 新闻公告 | 研究方向 | 研究成果 | 科研团队 | 项目案例 | 论文发表 |
时序预测 |
模型迁移 |
机理发现 |
持续学习 |
故障诊断 |
|
在工业时序预测模型持续学习方面，提出了神经网络异构结构的持续学习、基于自适应持续学习的非平稳工业时序预测等新方法，解决了工业时序预测持续学习面临的小样本、非平稳工业时序预测模型的灾难性遗忘等问题，研究成果得到了国际国内人工智能、智能制造等专家的关注和积极评价。 |
 |
|
[1] Zhou Xiaofeng, Zhai Naiju*, Li Shuai, Shi Haibo, Time Series Prediction Method of Industrial Process
with Limited Data Based on Transfer Learning, IEEE Transactions on Industrial Informatics, 2023, 19(5):
6872-6882. (IF=12.3, 中国科学院1区top) |