DQLAP：面向真实蒸汽涡轮系统的带更新策略的深度 Q 学习推荐算法
机器学习
2022-10-13 v1
摘要
在现代工业系统中，及时诊断故障并使用最佳方法变得愈发关键。若故障未被检测或检测延迟，可能导致系统失效或资源浪费。机器学习和深度学习已提出多种基于数据的故障诊断方法，我们正寻找最可靠且实用的方法。本文旨在开发一种基于深度学习和强化学习的故障检测框架。通过在新数据到达时更新强化学习策略，我们可以提高准确率、克服数据不平衡并更好地预测未来缺陷。实施该方法后，我们将看到所有评估指标提升 ，预测速度改善，且相较于参数相似的典型反向传播多层神经网络预测，所有评估指标提升 - 。
引用
@article{arxiv.2210.06399,
title = {DQLAP: Deep Q-Learning Recommender Algorithm with Update Policy for a Real Steam Turbine System},
author = {M. H. Modirrousta and M. Aliyari Shoorehdeli and M. Yari and A. Ghahremani},
journal= {arXiv preprint arXiv:2210.06399},
year = {2022}
}