1樓：雲程萬里
機械故障診斷（emmm...可能跟有趣扯不上關係）。
例如，基於深度殘差收縮網路Deep Residual Shrinkage Networks的故障診斷[1]
[2]，整合了新興的殘差網路和經典訊號分析中的軟閾值函式，原理如下：
2樓：雪地冰激凌
利用機器學習方法對訊號進行降噪處理（通道）。
具體內容沒細問所以未可知，希望學長們能夠取得好的結果吧。
另外加一條非工業界的應用：銀行很早之前就已經用樸素貝葉斯等方法進行信用評估了（頭段時間工行創意大賽了解到的）。
3樓：陽光燦爛的日子
機器學習+機械領域的機械故障診斷。
我大概描述一下。
首先是標註資料，取樣機械執行時的資料樣本，包括頻率，幅值等，以及是否發生故障的標籤。
然後選用模型，因為機械故障是可以提取特徵的，如上述的頻率幅值等。而且標註資料也很難得，所以用SVM或者線性模型就行，都能取得不錯的結果。
4樓：
我以為所有依賴於人的經驗的工作，都可以用AI試試。
如果題主學過模擬和數位電路得話，我推薦兩個。
比如，電路PCB設計，就是江湖上常說的「route」「layout」，現在仍然高度依賴工程師的經驗，尤其是對射頻和高速電路，儘管多年前PCB設計軟體就有自動佈線功能。
5樓：fmbao
工業上的各類診斷，都可以用機器學習。比如採集裝置紅外影象，然後應用影象處理技術以及支援向量機之類的分類器，可以實現工業裝置診斷。
能否將深度學習和傳統機器學習相結合，先用標籤訓練深度神經網路，將最後一層輸出特徵作為如svm的輸入？
李東坡 當然可以。參考大家的回答，這裡總結一下。神經網路可以看做乙個特徵抽取器，至於得到的特徵後續如何處理，需要看自己的業務需求。如果資料量充足，完全可以使用端到端的方式，利用矩陣運算的優勢，神經網路可以取得令人滿意的效果。如果資料量不足，特徵提取後使用機器學習方法，一般不會得到太差的結果，而深度學...
人類學習與機器學習有哪些相似處，有哪些可以借鑑而更理解人類學習機制的地方？
徐佳逸 給你個很簡單的分類的例子。讓乙個小朋友嘗試去分清橘子和蘋果。人類如何學習 媽媽告訴我，蘋果是紅的，橘子是黃的 媽媽又說了，蘋果有柄，橘子沒柄 後來我發現乙個青色的水果，他跟蘋果的味道比較像，而且也都有柄，那這個青色的水果也是蘋果吧。機器如何學習 監督學習 有兩框的水果，包含蘋果和橘子 一筐是...
求問，機器學習和光學以及傳統的機械有哪些可以結合起來的方向啊？
已重置 機械結構設計，不是有用機器學習設計航空器結構構件的麼？光學可以用來優化設計光學器件元件，這個和通訊中用AI設計訊號傳輸系統一樣。 Ordreality 今天正好講到這個，其實目前機械行業在工業界運用的最多的還是全因子試驗，這屬於優選法而不是優化。目前機械行業做研究用的比較多的還是二次多項式響...