训练迁移模型的方法、故障检测的方法以及装置制造方法及图纸

本申请涉及人工智能，提供一种训练迁移模型的方法、故障检测的方法和装置，涉及人工智能领域，该训练迁移模型的方法包括：获取待处理数据，该待处理数据包括来自于目标域的无标签数据和来自于源域的有标签数据，获得待处理数据中的每一维数据的多个数据片段，该多个数据片段不完全相同，利用多个数据片段对迁移模型进行训练，获得训练后的迁移模型。该方法既能够获取待处理数据的整体特征，又能够获取隐藏在数据片段之间的局部特征，从而能够有效提高对数据处理的准确性。

【技术实现步骤摘要】
训练迁移模型的方法、故障检测的方法以及装置
本申请涉及人工智能领域，并且更具体地，涉及一种训练迁移模型的方法、故障检测的方法以及装置。
技术介绍
在人工智能领域，人工智能方法的实现通常需要借助于模型，当需要将一个应用场景下的模型转移到另一个场景下时，就需要建立适用于新场景的模型，在此过程中，将预训练的模型(原应用场景的模型)作为新模型(新应用场景的模型)的初始模型是一种常用的方法，目的是对这些已经消耗了巨大的时间资源和计算资源才获得的预训练的模型加以利用，因此迁移学习(transferlearning)应运而生。也就是说，迁移学习可以将已习得的强大技能迁移到相关的问题上，或者可以理解为将一个任务的模型重新用在另一个任务中。常见的对迁移学习的实现方式是假设源域(sourcedomain)和目标域(targetdomain)之间存在域不变特征表示，也就是说，将源域(对应于原应用场景)和目标域(对应于新应用场景)之间的数据的关系进行对应，然后结合源域的标签数据以及少量的目标域的待训练数据来训练生成一个可迁移到目标域上相对较优的模型。该类方法需本文档来自技高网...

【技术保护点】
1.一种训练迁移模型的方法，其特征在于，包括：/n获取待处理数据，所述待处理数据包括来自于目标域的无标签数据和来自于源域的有标签数据；/n获得所述待处理数据中的每一维数据的多个数据片段，所述多个数据片段不完全相同；/n利用所述多个数据片段对迁移模型进行训练，获得训练后的迁移模型。/n

【技术特征摘要】
1.一种训练迁移模型的方法，其特征在于，包括：
获取待处理数据，所述待处理数据包括来自于目标域的无标签数据和来自于源域的有标签数据；
获得所述待处理数据中的每一维数据的多个数据片段，所述多个数据片段不完全相同；
利用所述多个数据片段对迁移模型进行训练，获得训练后的迁移模型。


2.如权利要求1所述的方法，其特征在于，所述待处理数据为待处理时序数据，所述多个数据片段包括多个时间起点，所述多个时间起点是根据所述待处理时序数据所对应的起始时刻和所述待处理时序数据所对应的终止时刻确定的。


3.如权利要求2所述的方法，其特征在于，所述多个时间起点是根据所述待处理时序数据所对应的起始时刻和所述待处理时序数据所对应的终止时刻确定的，包括：
所述多个时间起点包括从所述起始时刻到所述终止时刻之间的所有时刻；
所述多个数据片段的时间终点为所述待处理时序数据所对应的所述终止时刻。


4.如权利要求1至3中任一项所述的方法，其特征在于，所述利用所述多个数据片段对迁移模型进行训练，包括：
获得所述多个数据片段中相同维的数据片段之间的第一结构特征，所述第一结构特征是根据所述相同维的数据片段之间的依赖关系确定的；
利用所述第一结构特征对所述迁移模型进行训练。


5.如权利要求1至4中任一项所述的方法，其特征在于，所述利用所述多个数据片段对迁移模型进行训练，包括：
获得所述多个数据片段中不同维的数据片段之间的结构特征，所述第二结构特征是根据所述不同维的数据片段之间的依赖关系确定的；
利用所述第二结构特征对所述迁移模型进行训练。


6.一种故障检测的方法，其特征在于，包括：
获取故障检测数据，所述故障检测数据包括来自于目标域的无标签的故障检测数据和来自于源域的有标签的故障检测数据，所述有标签的故障检测数据包括故障类别标签和对应的故障检测数据；
获得所述故障检测数据中的每一维数据的多个数据片段，所述多个数据片段不完全相同；
根据所述多个数据片段对故障检测模型进行训练，获得训练后的故障检测模型。


7.如权利要求6所述的方法，其特征在于，所述故障检测数据为故障检测时序数据，所述多个数据片段包括多个时间起点，所述多个时间起点是根据所述故障检测时序数据所对应的起始时刻和所述故障检测时序数据所对应的终止时刻确定的。


8.如权利要求7所述的方法，其特征在于，所述多个时间起点是根据所述故障检测时序数据所对应的起始时刻和所述故障检测时序数据所对应的终止时刻确定的，包括：
所述多个时间起点包括从所述起始时刻到所述终止时刻之间的所有时刻；
所述多个数据片段的时间终点为所述故障检测时序数据所对应的所述终止时刻。


9.如权利要求6至8中任一项所述的方法，其特征在于，所述根据所述多个数据片段对故障检测模型进行训练，包括：
获得所述多个数据片段中相同维的数据片段之间的第一结构特征，所述第一结构特征是根据所述相同维的数据片段之间的依赖关系确定的；
根据所述第一结构特征对所述故障检测模型进行训练。


10.如权利要求6至9中任一项所述的方法，其特征在于，所述根据所述多个数据片段对故障检测模型进行训练，包括：
获得所述多个数据片段中不同维的数据片段之间的结构特征，所述第二结构特征是根据所述不同维的数据片段之间的依赖关系确定的；
利用所述第二结构特征对所述故障检测模型进行训练。


11.一种训练迁移模型的装置，其特征在于，包括：
获取单元，用于获取待处理数据，所述待处理数据包括来自于目标域的无标签数据和来自于源域的有标签数据；
处理单元，用于获得所述待处理数据中的每一维数据的多个数据片段，所述多个数据片段不完全相同；
所述处理单元，还用于利用所述多个数据片段对迁移模型进行训练，获得训练后的迁移模型。
...

【专利技术属性】
技术研发人员：叶君健，张可力，张喜，蔡瑞初，陈嘉伟，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44