深度迁移学习用于工业自动化：数据驱动机器学习新技术的综述与探讨
机器学习
2021-08-31 v1
摘要
本文介绍了迁移学习与持续学习的概念。随后的综述揭示了利用这两类算法方法的工业深度迁移学习的有前景途径。在计算机视觉领域，其已成为state-of-the-art。在其他领域，例如故障预测，则几乎刚刚起步。然而，跨所有领域来看，持续学习与迁移学习之间的抽象区分无益于其实际应用。相反，应将二者结合以创建满足工业自动化部门需求的稳健学习算法。为更好地描述这些需求，本文引入了工业迁移学习的基础用例。
引用
@article{arxiv.2012.03301,
title = {Deep Transfer Learning for Industrial Automation: A Review and Discussion of New Techniques for Data-Driven Machine Learning},
author = {Benjamin Maschler and Michael Weyrich},
journal= {arXiv preprint arXiv:2012.03301},
year = {2021}
}
备注
12 pages, 4 figures, 2 tables. Accepted for publication by IEEE Industrial Electronics Magazine