用于带标签振动数据生成的生成对抗网络
机器学习
2022-08-15 v1 人工智能
摘要
随着结构健康监测（SHM）多年来不断被实施，民用结构运行模态分析在工程结构评估与评价中的重要性日益凸显。在过去几十年中，机器学习（ML）与深度学习（DL）算法已被用于民用结构的结构损伤诊断。由于从民用结构收集振动数据（无论未损伤还是损伤情形）都是一项具有挑战性且昂贵的任务，本文作者提出了基于深度卷积神经网络（DCNN）并采用 Wasserstein 距离的生成对抗网络（GAN），用于生成可供结构损伤诊断使用的人工带标签数据。作者将所开发模型命名为 1D W-DCGAN，并成功生成了与输入非常相似的振动数据。本文提出的方法将为 SHM 领域众多未来应用中的振动数据生成铺平道路。
引用
@article{arxiv.2112.08195,
title = {Generative Adversarial Networks for Labelled Vibration Data Generation},
author = {Furkan Luleci and F. Necati Catbas and Onur Avci},
journal= {arXiv preprint arXiv:2112.08195},
year = {2022}
}