A Posterior Probability-Guided Kernel-Space Oversampling Machine Learning Method for Imbalanced Rolling Bearing Health Monitoring
Dit artikel stelt Kernel-PAO voor, een nieuwe machine learning-methode die oversampling naar de kernelruimte verschuift met behulp van posterieure waarschijnlijkheid-gestuurde interpolatie om ernstige klassenonbalans bij de gezondheidsbewaking van rollagers effectief aan te pakken, waarbij het traditionele technieken zoals SMOTE aanzienlijk overtreft in nauwkeurigheid en robuustheid.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.