小傻鱼
博士研究生 · 3年经验 · 西安电子科技大学，法兰克福高等研究院
0
累计接单
0
用户评价
2
被收藏
技术能力
西安电子科技大学计算机科学与技术在读博士，目前博三。熟悉深度学习和机器学习。本人的研究方向是工业故障检测，目前发表学术论文4篇，其中SCI二区3篇，KDD1篇。本人熟练掌握Python编程语言，熟练掌握深度学习Pytorch，Tensorflow语言。熟悉深度学习常用的经典神经网络如，VGG，ResNet，MobileNet。
项目经验
项目1:基于LoRa的非接触式生命检测系统
项目2:基于模糊理论的学生综合能力评价及程序设计
项目3:数学建模竞赛对高校大学生创新能力培养研究
项目4:校内二手交易及旧物捐赠平台微信程序设计
项目5:大数据环境下基于人工智能的战场态势分析
项目6:基于传感器信号的膝盖智能诊断
项目7:Cavitation and leakage detection in large pump/pipe systems
项目2:基于模糊理论的学生综合能力评价及程序设计
项目3:数学建模竞赛对高校大学生创新能力培养研究
项目4:校内二手交易及旧物捐赠平台微信程序设计
项目5:大数据环境下基于人工智能的战场态势分析
项目6:基于传感器信号的膝盖智能诊断
项目7:Cavitation and leakage detection in large pump/pipe systems
案例展示
基于机器学习的自适应特征工程声学空化检测
阀门在工业和家庭管道系统中被广泛使用。然而，在其运行过程中，它们可能会遭受空化现象的发生，这可能会导致巨大的噪音、振动和对阀门内部组件的损坏。因此，监测阀门内部的流动状态对防止空化现象引起的额外费用是非常有益的。本文提出了一个新颖的声学信号空化检测框架--基于XGBoost与自适
基于对抗学习的异常声音检测
异常声音检测（ASD）是复杂工业系统中机械设备监测和维护的最重要任务之一。在实践中，有效识别工作中的机械系统的异常状态至关重要，这可以进一步促进故障的排除。在本文中，我们提出了一个多模式对抗学习单类分类框架，它允许我们同时使用对抗模型的生成器和判别器来实现高效的ASD。其核心思想
基于多任务学习的阀门空化检测和强度识别
随着智能制造的快速发展，数据驱动的机械健康管理已经受到越来越多的关注。作为机械健康管理中最流行的方法之一，深度学习（DL）已经取得了显著的成就。然而，由于样本有限和声学信号中不同空化状态的可分离性差等问题，大大阻碍了DL模式在空化强度识别和空化检测方面的最终表现。同时不同的任务也
立即沟通
