论文部分内容阅读
【摘要】针对跨专业研究生在专业课程学习中的困难,提出基于迁移学习的课程教学方法,利用在熟悉领域中学习到的知识来帮助完成专业课程的学习。实际应用中,将医学领域的体检、听诊器等概念,以及中医“望、闻、问、切”四诊法和多源融合诊疗等方法迁移到机械故障诊断课程的教学中,形成专业课程的迁移教学方法,提高了研究生的培養质量和科研能力。
【关键词】迁移学习 专业课程 教学实践 教学质量
【中图分类号】G642.0 【文献标识码】A 【文章编号】2095-3089(2017)46-0055-02
工科院校选修某一门专业课程的研究生常来自不同专业,这种跨专业的课程学习使研究生感觉难度较大。例如,我校为研究生开设的专业课《机械故障诊断学》,选课学生就有来自机械工程、安全工程和油气储运工程的研究生。并且近几年随着安全学科的发展,安全工程专业研究生占到了60%以上。然而安全工程学生在本科阶段对机械方面的课程学得很少,因此学习很吃力。对于跨专业研究生课程的教学改革具有重要的意义。迁移学习是近年来在机器学习领域中发展起来的一种新理论,在科研领域和教学领域都有了初步研究和应用。本文将迁移学习理论应用到跨专业研究生的专业课程教学中,旨在进一步提高教学效果。
1.迁移学习的原理
1.1 迁移学习的概念
迁移学习( Transfer Learning)在机器学习理论中被定义为:通过寻找源域与目标域之间的映射关系,找出相同或相近的特征表示,并应用到目标领域,从而将源域知识准确有效地传递给目标域。该方法能够有效地在相似的领域之间进行信息的共享和迁移,利用从一个领域中学习到的知识来帮助完成新领域中的学习任务,类似将骑自行车的经验应用到骑摩托车上,从而有助于摩托车的驾驶学习。迁移学习已成功应用于文本处理、图像分类、人脸识别、语音识别、信号处理等领域。例如,从Wikipedia文档到Twitter文本的知识迁移,从互联网的网页到 Flick 图像的知识迁移,从图书等已知产品领域到未知产品领域的喜好、感受、观点等在线评价的迁移学习等。
1.2 正迁移和负迁移
美国心理学家桑代克认为,旧学习之所以能对新学习有迁移效果,主要在于新旧学习之间存在共同要素。两者相同要素越多,则迁移分量越大。某些概念和方法之间存在着惊人的类同性,在教学和科研中要善于对比相似的学习情境,挖掘它们的相同成分,以创设积极的迁移氛围,从而引导学生产生学习的正迁移。然而,当新学习与与旧学习彼此不相关时,强制迁移是不足取或不成功的;当迁移时机欠佳,盲目迁移则会带来干扰和抑制作用,甚至产生“负迁移”的严重后果。在教学和科研中,如何辨认各种问题的本质特征,是寻求克服负迁移教学策略的出发点。从本质上讲,迁移学习就是对所学新旧知识的再整合再加工过程,运用正迁移学习更好地帮助学生提升自主学习和科研能力,构建知识网络,对培养学生的创新意识和提高科研能力有十分重要的作用。
2.迁移学习教学方法的应用
机械设备故障诊断全过程包括信号检测、征兆收集、状态判别、故障定位和维修决策,与医生给病人看病有诸多相似之处。待诊断的设备就相当于病人,设备诊断实施者就相当于医生。可见,机械故障诊断跟人看病相同要素很多,而作为研究生在这方面已积累了很多“知识”,将这些知识迁移到机械故障诊断是完全可行的。
2.1 概念的迁移
体检与状态监测。人要经常进行体检,如学生的入学体检,教师的年度体检。通过体检能获知身体的健康状态。机械设备的“体检”叫状态监测,可以为定期监测,如每月一次,也可以为在线监测,将各种传感器安装在设备上,实时采集数据、分析设备状况。
听诊器与振声采集器。听诊器由拾音部分、传导部分及听音部分组成,用来诊断各种心肺等胸部疾病。振声采集器由拾振(音)部分、传导部分及存储部分组成,用来采集设备运动部件产生的振动或声音,从而诊断零部件的磨损、裂纹等故障。
疾病的早期诊断与机械故障的早期诊断。人体疾病的早期发现对于治疗非常重要。例如,癌症防治的唯一出路为“三早”,即:早发现、早诊断、早治疗。机械设备的早期故障具有症状不明显、特征信息微弱等特点,不易识别,需要研究有效的微弱故障特征增强方法,还需要建立故障演化过程与征兆间的映射关系,保证特征提取的准确性。
2.2 物理量的迁移
振动信号监测分析是机械故障诊断常用的方法,其中振动位移、振动速度和振动加速度是振动信号分析中最常用的三个物理量。机械设备上某一点的振动是由多个部件振动的合成,也即多个简谐振动的合成。而简谐振动就是高中物理中的简询运动。与简询运动研究运动的周期(频率)和幅值一样,通过研究振动的频率和幅值来判断故障的部件及其严重程度。
2.3 研究方法的迁移
信号检测方法。在医学上,扁鹊提出了“望、闻、问、切”四诊法,至今依然普遍使用,是中医辨证施治的重要依据。在机械设备诊断中,也有“望、闻、问、切”四种信号检测方法。其中,望诊是利用红外热像仪采集设备的红外辐射能量,根据红外图像的不同颜色及其随时间的变化来诊断“温度相关”故障,如摩擦磨损故障。闻诊是利用气体传感器检测设备内部气体、液体的泄漏情况,从而判断设备密封部件的完好状态。问诊是询问设备的病史及状态,如历史故障情况、设备维修情况、运行时间、负载工况等。切诊是利用振声传感器采集设备关键部位的振动和噪声,并进行时域、频域分析。
多源融合诊疗方法。在医学上,有经验的医生通过四诊法对病情综合分析;或者是多科室、多专业大夫联合会诊,最后给出综合诊疗意见。在机械设备诊断中,通过对热图像、泄漏信号、振声信号及历史数据进行转换和标准化处理,利用信息融合方法分析,给出设备的状态、故障情况及维护对策。
2.4负迁移的克服 在迁移学习中,要注意克服负迁移影响。如果盲目迁移,有时甚至带来负面效果。如有人把骑自行车的方法迁移到骑三轮车,结果不会拐弯。因为前者靠倾斜身体的方法拐弯,后者靠转动把手。认清二者的本质区别是克服负迁移的关键。在机械故障诊断的教研中,也要注意克服负迁移影响。例如对比评价方法的迁移。对病人诊治常用对比评价方法,比如体检中的血常规化验,就是跟标准对比,看是指标否超标、从而判断是否有相应的疾病。设备诊断也常用对比评价方法,如振动信号幅值对比。但是,对比评价方法是要有条件的,如抽血化验要求空腹、禁水等。设备对比则要求工况相同,也就是设备转速、负载相同。然而,很多设备运行是变速变载的,因此,要么把设备调整到相同工况再检测,要么把变工况产生的影响剔除后进行对比,否则对比的结论就不可信。
3.结论
迁移学习能有效地在相似的任务之间进行信息的共享和迁移,利用从一个领域中学习到的知识来帮助完成新领域中的学习任务。在教学和科研中,辨清源域和目标域之间的本质区别是善用正迁移、克服负迁移的关键。在机械故障诊断中,可以将体检与状态监测、听诊器与振声采集器、疾病的早期诊断与机械故障的早期诊断等概念进行迁移;将位移、速度和加速度等物理量进行迁移;将“望、闻、问、切”和多源融合诊疗方法进行迁移;同时,要克服负迁移的影响。本文提出的迁移学习教学方法,有助于提高课程教学效果,同时可以推广到其它课程的教学中。
参考文献:
[1]陈超,沈飞,严如强. 改进LSSVM迁移学习方法的轴承故障诊断[J]. 仪器仪表学报,2017,52(01):33-40.
[2]李丹,袁凌,胡迎松,朱玲玲. 计算机图形学的迁移学习实践教学模型[J]. 电气电子教学学报,2015,37(05):51-54.
[3]Sinno Jialin Pan, Qiang Yang. A survey on transfer learning[J]. IEEE Transactions on Knowledge and Data Engineering, 2010, 22(10): 1345-1359.
[4]刘建伟,孙正康,罗雄麟. 域自适应学习研究进展[J]. 自动化学报,2014,40(8):1576-1600.
[5]Jose Costa Pereira, Nuno Vasconcelos. Cross-modal domain adaptation for text-based regularization of image semantics in image retrieval systems[J]. Computer Vision and Image Understanding, 2014, 124(SI): 123-135.
[6]付奎. 遷移理论在物理教学中的应用探索[J]. 陕西教育(高教版),2011,Z2: 199-200.
作者简介:
段礼祥(1969年10月-),男,四川泸州人。主要从事设备安全监测与智能诊断的教学和科研工作。
【关键词】迁移学习 专业课程 教学实践 教学质量
【中图分类号】G642.0 【文献标识码】A 【文章编号】2095-3089(2017)46-0055-02
工科院校选修某一门专业课程的研究生常来自不同专业,这种跨专业的课程学习使研究生感觉难度较大。例如,我校为研究生开设的专业课《机械故障诊断学》,选课学生就有来自机械工程、安全工程和油气储运工程的研究生。并且近几年随着安全学科的发展,安全工程专业研究生占到了60%以上。然而安全工程学生在本科阶段对机械方面的课程学得很少,因此学习很吃力。对于跨专业研究生课程的教学改革具有重要的意义。迁移学习是近年来在机器学习领域中发展起来的一种新理论,在科研领域和教学领域都有了初步研究和应用。本文将迁移学习理论应用到跨专业研究生的专业课程教学中,旨在进一步提高教学效果。
1.迁移学习的原理
1.1 迁移学习的概念
迁移学习( Transfer Learning)在机器学习理论中被定义为:通过寻找源域与目标域之间的映射关系,找出相同或相近的特征表示,并应用到目标领域,从而将源域知识准确有效地传递给目标域。该方法能够有效地在相似的领域之间进行信息的共享和迁移,利用从一个领域中学习到的知识来帮助完成新领域中的学习任务,类似将骑自行车的经验应用到骑摩托车上,从而有助于摩托车的驾驶学习。迁移学习已成功应用于文本处理、图像分类、人脸识别、语音识别、信号处理等领域。例如,从Wikipedia文档到Twitter文本的知识迁移,从互联网的网页到 Flick 图像的知识迁移,从图书等已知产品领域到未知产品领域的喜好、感受、观点等在线评价的迁移学习等。
1.2 正迁移和负迁移
美国心理学家桑代克认为,旧学习之所以能对新学习有迁移效果,主要在于新旧学习之间存在共同要素。两者相同要素越多,则迁移分量越大。某些概念和方法之间存在着惊人的类同性,在教学和科研中要善于对比相似的学习情境,挖掘它们的相同成分,以创设积极的迁移氛围,从而引导学生产生学习的正迁移。然而,当新学习与与旧学习彼此不相关时,强制迁移是不足取或不成功的;当迁移时机欠佳,盲目迁移则会带来干扰和抑制作用,甚至产生“负迁移”的严重后果。在教学和科研中,如何辨认各种问题的本质特征,是寻求克服负迁移教学策略的出发点。从本质上讲,迁移学习就是对所学新旧知识的再整合再加工过程,运用正迁移学习更好地帮助学生提升自主学习和科研能力,构建知识网络,对培养学生的创新意识和提高科研能力有十分重要的作用。
2.迁移学习教学方法的应用
机械设备故障诊断全过程包括信号检测、征兆收集、状态判别、故障定位和维修决策,与医生给病人看病有诸多相似之处。待诊断的设备就相当于病人,设备诊断实施者就相当于医生。可见,机械故障诊断跟人看病相同要素很多,而作为研究生在这方面已积累了很多“知识”,将这些知识迁移到机械故障诊断是完全可行的。
2.1 概念的迁移
体检与状态监测。人要经常进行体检,如学生的入学体检,教师的年度体检。通过体检能获知身体的健康状态。机械设备的“体检”叫状态监测,可以为定期监测,如每月一次,也可以为在线监测,将各种传感器安装在设备上,实时采集数据、分析设备状况。
听诊器与振声采集器。听诊器由拾音部分、传导部分及听音部分组成,用来诊断各种心肺等胸部疾病。振声采集器由拾振(音)部分、传导部分及存储部分组成,用来采集设备运动部件产生的振动或声音,从而诊断零部件的磨损、裂纹等故障。
疾病的早期诊断与机械故障的早期诊断。人体疾病的早期发现对于治疗非常重要。例如,癌症防治的唯一出路为“三早”,即:早发现、早诊断、早治疗。机械设备的早期故障具有症状不明显、特征信息微弱等特点,不易识别,需要研究有效的微弱故障特征增强方法,还需要建立故障演化过程与征兆间的映射关系,保证特征提取的准确性。
2.2 物理量的迁移
振动信号监测分析是机械故障诊断常用的方法,其中振动位移、振动速度和振动加速度是振动信号分析中最常用的三个物理量。机械设备上某一点的振动是由多个部件振动的合成,也即多个简谐振动的合成。而简谐振动就是高中物理中的简询运动。与简询运动研究运动的周期(频率)和幅值一样,通过研究振动的频率和幅值来判断故障的部件及其严重程度。
2.3 研究方法的迁移
信号检测方法。在医学上,扁鹊提出了“望、闻、问、切”四诊法,至今依然普遍使用,是中医辨证施治的重要依据。在机械设备诊断中,也有“望、闻、问、切”四种信号检测方法。其中,望诊是利用红外热像仪采集设备的红外辐射能量,根据红外图像的不同颜色及其随时间的变化来诊断“温度相关”故障,如摩擦磨损故障。闻诊是利用气体传感器检测设备内部气体、液体的泄漏情况,从而判断设备密封部件的完好状态。问诊是询问设备的病史及状态,如历史故障情况、设备维修情况、运行时间、负载工况等。切诊是利用振声传感器采集设备关键部位的振动和噪声,并进行时域、频域分析。
多源融合诊疗方法。在医学上,有经验的医生通过四诊法对病情综合分析;或者是多科室、多专业大夫联合会诊,最后给出综合诊疗意见。在机械设备诊断中,通过对热图像、泄漏信号、振声信号及历史数据进行转换和标准化处理,利用信息融合方法分析,给出设备的状态、故障情况及维护对策。
2.4负迁移的克服 在迁移学习中,要注意克服负迁移影响。如果盲目迁移,有时甚至带来负面效果。如有人把骑自行车的方法迁移到骑三轮车,结果不会拐弯。因为前者靠倾斜身体的方法拐弯,后者靠转动把手。认清二者的本质区别是克服负迁移的关键。在机械故障诊断的教研中,也要注意克服负迁移影响。例如对比评价方法的迁移。对病人诊治常用对比评价方法,比如体检中的血常规化验,就是跟标准对比,看是指标否超标、从而判断是否有相应的疾病。设备诊断也常用对比评价方法,如振动信号幅值对比。但是,对比评价方法是要有条件的,如抽血化验要求空腹、禁水等。设备对比则要求工况相同,也就是设备转速、负载相同。然而,很多设备运行是变速变载的,因此,要么把设备调整到相同工况再检测,要么把变工况产生的影响剔除后进行对比,否则对比的结论就不可信。
3.结论
迁移学习能有效地在相似的任务之间进行信息的共享和迁移,利用从一个领域中学习到的知识来帮助完成新领域中的学习任务。在教学和科研中,辨清源域和目标域之间的本质区别是善用正迁移、克服负迁移的关键。在机械故障诊断中,可以将体检与状态监测、听诊器与振声采集器、疾病的早期诊断与机械故障的早期诊断等概念进行迁移;将位移、速度和加速度等物理量进行迁移;将“望、闻、问、切”和多源融合诊疗方法进行迁移;同时,要克服负迁移的影响。本文提出的迁移学习教学方法,有助于提高课程教学效果,同时可以推广到其它课程的教学中。
参考文献:
[1]陈超,沈飞,严如强. 改进LSSVM迁移学习方法的轴承故障诊断[J]. 仪器仪表学报,2017,52(01):33-40.
[2]李丹,袁凌,胡迎松,朱玲玲. 计算机图形学的迁移学习实践教学模型[J]. 电气电子教学学报,2015,37(05):51-54.
[3]Sinno Jialin Pan, Qiang Yang. A survey on transfer learning[J]. IEEE Transactions on Knowledge and Data Engineering, 2010, 22(10): 1345-1359.
[4]刘建伟,孙正康,罗雄麟. 域自适应学习研究进展[J]. 自动化学报,2014,40(8):1576-1600.
[5]Jose Costa Pereira, Nuno Vasconcelos. Cross-modal domain adaptation for text-based regularization of image semantics in image retrieval systems[J]. Computer Vision and Image Understanding, 2014, 124(SI): 123-135.
[6]付奎. 遷移理论在物理教学中的应用探索[J]. 陕西教育(高教版),2011,Z2: 199-200.
作者简介:
段礼祥(1969年10月-),男,四川泸州人。主要从事设备安全监测与智能诊断的教学和科研工作。