基于可解釋性深度學習的傳感器異常數(shù)據(jù)診斷

摘要： 針對橋梁健康監(jiān)測中多源傳感器數(shù)據(jù)異常診斷可解釋性較差和效率低的問題，提出了一種基于特征可視化的可解釋性卷積神經網絡(CNN)數(shù)據(jù)異常檢測方法。充分考慮異常模式和多源傳感器類型的完整性，結合數(shù)據(jù)擴充方法，構建了多源監(jiān)測數(shù)據(jù)異常模式庫，同時，基于CNN展開異常特征提取，利用特征和類激活圖(CAM)可視化的方法，深入分析異常類型特征，從而實現(xiàn)對深度學習網絡的解釋分析。實驗結果表明：考... （共4頁）