-
题名一种基于特征增强的联邦学习信用评估算法
- 1
-
-
作者
陈虹
陈志雨
-
机构
长春工业大学计算机科学与工程学院
-
出处
《长春工业大学学报》
2025年第2期155-162,共8页
-
基金
吉林省教育厅资助项目(JJKH20240861KJ)。
-
文摘
提出了一种基于特征增强的联邦学习算法(FedFAC),旨在解决类别极度不平衡的信用评估分类问题。首先采用深度神经网络模型作为联邦学习训练的全局模型,然后通过FedFAC算法对数据进行特征增强,并进行分布式训练。为了全面考察正负类样本的识别效果,文中选择了多个评价指标,在三个公共数据集上,将FedFAC与FedAvg、FedBN、FedProx等算法进行了对比分析。实验证明,FedFAC算法在信用评估预测任务中取得了良好效果。
-
关键词
信用评估
不均衡问题
联邦学习
深度神经网络
特征增强
-
Keywords
credit evaluation
imbalance issues
federated learning
DNN(Deep Neural Network)
feature enhancement.
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名铁路道岔故障的智能诊断
被引量：3
- 2
-
-
作者
可婷
葛雪纯
张立东
吕慧
-
机构
天津科技大学理学院
北京华铁信息技术有限公司
-
出处
《电子技术应用》
2020年第4期29-33,共5页
-
基金
国家自然科学基金项目(11201335)
教育部人文社会科学研究青年基金项目(19YJCZH251)
+1 种基金
天津市教委研究项目(2018KJ115)
天津科技大学青年教师创新基金项目(2016LG30,2017LG07)。
-
文摘
传统的道岔故障检测方式不仅会耗费大量人力、物力、财力,而且检测结果完全依赖于个人工作经验。随着人工智能的飞速发展,研究铁路道岔的智能诊断器是亟待解决的问题。提出一种智能检测系统,该系统从预处理数据、特征提取、构建不均衡数据的智能识别器以及设计更符合要求的评价标准方面进行了具体而深入的研究。最后,通过MATLAB软件对广州钟村站W1902#和W1904#型号的道岔动作电流数据进行仿真实验。实验结果显示,智能检测系统不仅具有非常高的识别性能和泛化能力,而且识别时间仅为0.04 s,满足铁路实时性要求。
-
关键词
铁路道岔
故障检测
支持向量机
不均衡问题
主成分分析
-
Keywords
railway turnout
fault detection
support vector machine(SVM)
imbalanced datasets
principal component analysis
-
分类号
TN98
[电子电信—信息与通信工程]
TP319
[自动化与计算机技术—计算机软件与理论]
-
