1、研究方向:深度学习、迁移学习、神经网络结构搜索、PHM及工业故障诊断
2、编程语言:熟练使用python
3、深度学习框架:熟练使用keras、pytorch,熟悉tensorflow
4、算法:掌握常见的机器学习算法、深度学习算法(主要CNN),熟悉图像分类、迁移学习、domain adaptation、故障诊断(轴承、齿轮)等领域
1、工业大数据环境下基于深度学习的设备健康指标自学习与PHM通用建模技术,为主要完成人,利用深度学习搭建了设备的故障诊断、使用寿命预测、不同工况之间的迁移学习、神经网络结构搜索等模块,产出多篇论文
2、2019 CCF大数据与计算智能大赛:离散制造过程中典型工件的质量符合率预测,排名28/2265 (top 1.5%)。完成了数据清洗、特征工程、建模与训练、调优与集成等步骤,取得了良好的成绩。
3、神经网络结构算法:MixPath、NoisyDARTS等
将NAS方法用在故障诊断中,在ResNet搜索空间中使用基于强化学习和权值共享的的ENAS方法,已被PHM意大利会议录用
这是本人的个人网站,主要为机器学习相关的文章,多数为原创,也有汇总类的,同时建有微信读者群,旨在为大家提供一个交流的平台
此为个人的谷歌学术主页,包含了迄今为止已经发表过的学术论文,包括迁移学习、故障诊断、神经网络结构搜索等方面