基于PGAT模型的氧氣頂吹轉(zhuǎn)爐小樣本故障診斷

摘要： 針對現(xiàn)有的深度學(xué)習(xí)方法對小樣本情況下的故障診斷精度不佳和圖神經(jīng)網(wǎng)絡(luò)構(gòu)造圖的方式依賴其他算法的問題,提出一種圖的構(gòu)造方法,并基于該方法提出一種基于圖注意力機制與先驗知識庫的PGAT (prior knowledge-graph attention network)模型.將有標(biāo)簽樣本和無標(biāo)簽樣本按照固定的方式連接在一起,通過引入圖注意力機制計算出樣本之間的相似程度,使得新加入的樣本...