Automated Hyperparameter Optimization for Transfer Learning-Based Machine Fault Diagnosis Using Hybrid Genetic–Simulated Annealing Algorithm
Cet article propose un cadre d'optimisation automatisée des hyperparamètres pour le diagnostic de pannes de machines basé sur l'apprentissage par transfert à l'aide d'un algorithme hybride Génétique–Recuit Simulé, qui démontre des améliorations de performance robustes par rapport aux méthodes de référence à travers divers scénarios industriels impliquant la rareté des données et les décalages de domaine.