基于半监督动态深度融合神经网络的软测量

打开文本图片集

收稿日期：2023-07-18；修回日期：2023-08-21  基金项目：国家自然科学基金资助项目（62273242）；辽宁省教育厅科学研究一般项目（LJ2020021）

作者简介：郭小萍（1972—），女，山西大同人，教授，硕导，博士，主要研究方向为基于数据驱动的复杂过程故障诊断和软测量；种佳林（1998—），女，辽宁朝阳人，硕士研究生，主要研究方向为基于数据驱动的复杂过程软测量；李元（1964—），女（通信作者），辽宁沈阳人，教授，博导，博士，主要研究方向为基于数据驱动的复杂过程故障诊断（li-yuan@mail.tsinghua.edu.cn）.

摘  要：半监督深度神经网络建模方法已被广泛应用于软测量，但基于分层训练的网络在特征提取过程局限于挖掘每层输入的有效信息，忽略了原始输入有效信息的丢失，逐层累积，从而导致原始输入的特征表示准确率低下；另外，缺乏挖掘过程时空相关性，也会导致模型性能退化。（剩余16791字）