[发明专利]无监督元学习网络的机电设备少样本退化趋势预测方法

摘要

本发明公开了一种无监督元学习网络的机电设备少样本退化趋势预测方法，涉及机电设备的服役性能评估及预测技术领域，解决了现有元学习方法普遍依靠有标签样本支撑而难以直接应用于标签稀缺的历史数据中的技术问题，其技术方案要点是通过聚合每一个内回路的训练过程，将每一个训练集的支撑集训练得到的模型参数再通过测试集的支撑集进行跨任务间的外回路优化、训练，最终生成无监督元学习代理模型；有效重构了经典深度循环网络，使其在少样本激励下具有显著泛化能力，在历史大样本数据与非充分的带预测样本间建立联接并有效解决了历史无标签数据标签化的难题。