A Posterior Probability-Guided Kernel-Space Oversampling Machine Learning Method for Imbalanced Rolling Bearing Health Monitoring
Cet article propose Kernel-PAO, une nouvelle méthode d'apprentissage automatique qui déplace le suréchantillonnage vers l'espace noyau en utilisant une interpolation guidée par la probabilité a posteriori pour traiter efficacement le déséquilibre de classe sévère dans la surveillance de l'état des roulements, surpassant de manière significative les techniques traditionnelles telles que SMOTE en termes de précision et de robustesse.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.