机器学习在可靠性工程与安全应用中的研究：现状与未来机遇综述

机器学习（ML）正渗透到越来越多的学科与行业中。其影响深远，若干领域已被其根本改变，例如自主性与计算机视觉；可靠性工程与安全无疑也将随之改变。关于ML用于可靠性与安全应用的文献已大量存在但较为分散，难以梳理并整合为连贯整体。本工作通过综合并绘制这一不断扩展的分析图景的路线图、突出其主要地标与路径，来便利此项任务。我们首先概述不同的ML类别与子类别或任务，并指出若干相应模型与算法。随后回顾并综述ML在可靠性与安全应用中的使用。我们在每一类别/子类别中检视若干文献，并包含对深度学习使用的简短讨论以突显其日益增长的热度与独特优势。最后，我们前瞻并勾勒出利用ML推进可靠性与安全考量的若干有前景的未来机遇。总体而言，我们认为ML能够提供新颖见解与机遇，以解决可靠性与安全应用中的重要挑战。它还能比传统分析工具从事故数据集中梳理出更准确的见解，这进而可带来更明智的决策与更有效的事故预防。