1樓：哈哈哈
參照另乙個回答：基於神經網路的現實中的應用？ - 哈哈哈的回答 - 知乎
基於神經網路的現實中的應用？
機器學習大多是應用在影象、語音和文字，也能用於旋轉機械故障診斷。
在本質上，旋轉機械故障診斷是乙個分類的問題。
例如，常見的機械故障包括軸承滾動體故障、外圈道故障、內圈道故障，齒根裂紋、齒麵點蝕、缺齒故障、斷齒故障，以及復合故障等。
常見機械故障型別
舉個例子，殘差收縮網路（Residual Shrinkage Network）就是一種專門面向旋轉機械故障診斷的機器學習模型，尤其在監測訊號中雜訊較強的情況，是較為適用的。其原理在於，殘差收縮網路在其內部使用了軟閾值函式，而且可以自動設定閾值，能夠自適應地剔除雜訊資訊。
殘差收縮網路
M. Zhao, S. Zhong, X.
Fu, B. Tang, M. Pecht.
Deep residual shrinkage networks for fault diagnosis[J]. IEEE Transactions on Industrial Informatics, vol. 16, no.
7, pp. 4681-4690, 2020.
Deep Residual Shrinkage Networks for Fault Diagnosis
基於深度殘差收縮網路的故障診斷 Deep Residual Shrinkage Networks for Fault Diagnosis
殘差收縮網路：一種深度學習故障診斷方法 - 香辣火鍋的個人空間 - OSCHINA
怎麼看2023年深度學習在工業界應用趨勢？
尋常巷陌 在工業裝置故障診斷方面有一些進展。深度殘差收縮網路就是面向機械裝置故障診斷的深度學習方法，由於軟閾值化的作用，更適於處理雜訊較強的狀態監測資料，其原理如下 github.com zhao62 Deep Residual Shrinkage Networks跟SENet還是有區別的。SENe...
機器學習 深度學習等人工智慧技術在工業界的應用狀況是怎樣的？人力供需狀況如何？
knnay 從風電行業來講，早些年建設的風電機組質量較差，已經開始故障頻發。先進的人工智慧技術有可能帶來更精準的故障診斷演算法。風電機組 近些年，學者們提出了很多面向故障診斷的深度學習演算法，例如深度殘差收縮網路 1 2 該演算法採用了軟閾值化，比較適合含噪振動訊號。深度殘差收縮網路 但是，該行業仍...
請介紹一下工業界中，機器學習（深度學習）在spark等分布式計算平台中的使用情況？
其他框架不是很了解，說一下Spark吧 Spark有自己的mllib庫，裡面實現了一些常用的傳統機器學習演算法，包括LR，LinerSVC，Random Forest等，這樣才能夠在大資料下充分利用分布式地效能。但是顯而易見地，仍然有非常多的演算法是不適於Spark RDD的分布式機制的，例如 類似...