故障诊断 | 基于Transformer故障诊断分类预测（Matlab）
文章目录
- 预测效果
- 文章概述
- 程序设计
- 参考资料
预测效果
文章概述
Transformer故障诊断/分类预测 | 基于Transformer故障诊断分类预测（Matlab）
Transformer 模型本质上都是预训练语言模型，大都采用自监督学习 (Self-supervised learning) 的方式在大量生语料上进行训练，也就是说，训练这些 Transformer 模型完全不需要人工标注数据。Transformer 模型的标志就是采用了注意力层 (Attention Layers) 的结构，前面也说过，提出 Transformer 结构的论文名字就叫《Attention Is All You Need》。顾名思义，注意力层的作用就是让模型在处理数据时，将注意力只放在某些数据上。Transformer 模型本来是为了翻译任务而设计的。在训练过程中，Encoder 接受源语言的句子作为输入，而 Decoder 则接受目标语言的翻译作为输入。在 Encoder 中，由于翻译一个词语需要依赖于上下文，因此注意力层可以访问句子中的所有词语；而 Decoder 是顺序地进行解码，在生成每个词语时，注意力层只能访问前面已经生成的单词。Transformer模型（直译为“变换器”）是一种采用注意力机制的深度学习模型，这一机制可以按输入