NASA C-MAPSS dataset
PulseAugur coverage of NASA C-MAPSS dataset — every cluster mentioning NASA C-MAPSS dataset across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新基准测试标准化工业剩余使用寿命估计的联邦学习
研究人员推出了 FedCMAPSS，这是一个旨在标准化剩余使用寿命 (RUL) 估计的联邦学习模型评估的新基准测试。该基准测试建立在广泛使用的 NASA C-MAPSS 数据集之上，解决了工业预测中因运行至失效数据稀缺而造成的局限性。FedCMAPSS 包括五个标准化任务，模拟了从理想条件到极端统计异质性的各种工业挑战，并提供了可重现的基线，用于比较不同的联邦优化算法和神经网络架构。目标是通过公开代码和数据划分，促进联邦预测性维护解决…
-
新型混合模型可预测涡轮风扇发动机寿命及不确定性
研究人员开发了一个新的混合框架，用于预测涡轮风扇发动机的剩余使用寿命（RUL），并纳入了现实的不确定性表征。该方法将发动机的运行寿命分为“健康”和“退化”两个阶段，并为每个阶段使用不同的模型。一个基于LSTM的自动编码器用于对发动机状态进行分类，而条件威布尔生存分析和概率神经网络分别用于RUL估计和不确定性捕获。该系统根据连续状态概率动态加权预测，提供稳健的、风险知情的维护见解。
-
深度学习模型在路面、航空发动机和情感识别任务中展现出潜力
研究人员正在探索深度学习模型在各个领域的预测性维护和性能分析。一项研究利用CNN和LSTM网络，结合德克萨斯州的大量路面状况数据来模拟劣化，结果显示CNN优于标准的机器学习。另一篇论文侧重于通过强调数据预处理再应用时间卷积网络（TCN）来改进航空发动机的剩余使用寿命（RUL）预测，在NASA C-MAPSS数据集上展示了卓越的准确性。此外，对基于PPG的情感识别的深度学习架构（CNN、Transformer、Mamba）的比较表明，C…