{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,8]]，“日期-时间”：“2024-06-08T06:37:40Z”，“时间戳”：1717828660599}，“引用-计数”：42，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{:“日期-部分”：[[2023,9,1]]，”日期-时间“：”2023-09-01T00:00:00 0:00Z“，”时间戳“：1693526400000}，”内容-版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[[2023,9,1]]，“date-time”：“2023-09-01T00:00:00Z”，“timestamp”：1693526400000}，“content-version”：“stm-asf”，“delay-in-days”：“0”，“URL“https://doi.org\/10.15223\/policy-017“}，{“开始”：{“日期部分”：[[2023,9,1]]，“日期时间”：“2023-09-01T00:00:00Z”，“timestamp”：1693526400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[[2023,9,1]]，“date-time”：“2023-09-01T00:00:00Z”，“timetamp”：693526400000}，https:\/\/doi.org\/10.15223\/policy-012“}，{“开始”：{“日期部分”：[[2023,9,1]]，“date-time”：“2023-09-01T00:00:00Z”，“timestamp”：1693526400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2023,9,1]]，“date-time”:“2023-09-01T00:00”，“时间戳”：16935.26400000neneneep，“content-version”：“st m-asf“，”delay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“国家自然科学基金”，“DOI-asserted-by”：“出版商”，“奖项”：[“62171157”]}]，“内容域”：{“域”：[”elsevier.com“，”sciencedirect.com“]，“crossmark-restriction”：true}，“short-container-title”：[应用软计算“]，”published-print“：{”date-parts“：[2023,9]}“内政部”：“10.1016\/j.asoc.2023.110489”，“type”：“journal-article”，“created”：{“date-parts”：[[2023,6,7]]，“date-time”：“2023-06-07T16:06:43Z”，“timestamp”：1686154003000}，“page”：：“110489”，“update-policy”：标题“：[“一种基于集成复杂时空注意网络的复杂系统在波动操作条件下的故障定位方法”]，“前缀”：“10.1016”，“卷”：“144”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0003-4865-0339”，“authenticated-ORCID”：false，“给定”：“Jingli”，“family”：“Yang”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：“http:\/\/orcid.org/0000-0002-5722-9231”，“认证的orcid”：false，“给定”：“天宇”，“家族”：“高”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“戈”，“家族”：“颜”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“程”，“家族”：“阳”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“刚强”，“家族”：“李”，“序列“：”附加“，“affiliation”：[]}]，“member”：“78”，“reference”：[{“key”：“10.1016\/j.asoc.2023.110489_b1”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.knosys.2021.107978”，“article-title”：“有限注释数据下机械故障诊断的自监督信号表示学习”，“volume”：”239“author”：“Wang”，“year”：“2022”，“journal-title“：“基于知识的系统”}，{“key”：“10.1016\/j.asoc.2023.110489_b2”，“首页”：“1”，“article-title”：“非线性复杂系统基于矢量量化稀疏sutonecoder的新型故障检测模型”，“author”：“Gao”，“year”：“2022”，“journal-title“：”IEEE Trans.Ind.Inform.“}”，{，“first page”：“504”，“DOI”：“10.1016\/j.isatra.2021.2037”，“article-title”：“基于连接切片wasserstein距离的轴承故障诊断的无监督域自适应”，“volume”：”129“，“author”：“Chen”，“year”：“2022”，“journal-title“：”ISA Trans.“}，{”key“：”10.1016\/j.asoc.2023.110489_b4“，”DOI-asserted-by“”：“crossref”，“first-page”：“379”，“内政部“：“10.1016\/j.isatra.2020.10.054”，“article-title”：“使用改进的具有特征注意机制的多尺度卷积神经网络对滚动轴承进行故障诊断”，“volume”：“110”，“author”：“Xu”，“year”：“2021”，“journal-title“：”ISA Trans.“}，{”key“：”10.1016\/j.asoc.2023.110489_b5“，”doi-asserted-by“：”crossref“，”doi“：“10.1016\/j.knosys.2022.108578”，“article-title”：“用于班级不平衡学习的KNN加权简化通用双支持向量机”，“volume”：“245”，“author”：“Ganaie”，“year”：“2022”，“journal-title“：”Knowl.-Based Syst.“}，{”key“：”10.1016\/j.asoc.2023.110489_b6“，”first page“：“17”，“article-titel”：“基于加权软选择规则的多关注模块与多尺度信息融合的机器维修智能故障诊断”，“卷”：“86\u201387”，“作者”：“Ganaie”，“年份”：“2022”，“日志标题”：“Inf.fusion”}，{“键”：“10.1016\/j.asoc.2023.110489_b7”，“doi-asserted-by”：“crossref”，“首页”：“550”，”doi“：“10.1016\/j.isatra.2021.11.20”，“article-title”：“基于注意机制和多层融合网络的轴承故障诊断方法”，“volume”：“128”，“author”：“Li”，“year”：“2022”，“journal-title“：”ISA Trans.“}，{“key”：”10.1016\/j.asoc.2023.110489_b8“，”doi-asserted-by“：”crossref“，”first page“：”2810“，“doi”：“10.1109\/TIP.2021.3055613”，“article-title”：“用于高光谱图像分类的监督分割网络”，“volume”：“30”，“author”：“Sun”，“year”：“2021”，“journal-title:“IEEE Trans.image Process.”}，{“issue”：“12”，“key”：”10.1016\/j.asoc.2023.110489_b9“，”doi-asserted-by“：”crossref“，”first page“：”9057“，”doi“：”10.1109\/TII.2022.3180389“：“LM-CNN:一种扩展标签采样空间的自适应故障诊断云边协作方法”，“卷”：“18”，“作者”：“任”，“年份”：“2022”，“日志标题”：“IEEE Trans.Ind.Inform.”}，{“key”：“10.1016\/j.asoc.2023.110489_b10”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.knosys.2022.108466”，“article-title”：“用于跨域故障诊断的具有子域自适应的多源信息传递学习方法”，“卷”：“243”，“作者”：“田”，“年份”：“2022”，“日志标题”：“基于知识的系统”}，{“键”：“10.1016\/j.asoc.2023.110489_b11”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.ymssp.2022.108990”，“文章标题”：“一个结合不变性和特异性的领域泛化网络，用于实时智能故障诊断”，“volume”：“173”，“author”：“Zhao”，“year”：“2022”，“journal-title”：“Mech.Syst.Signal Process.”}，{“key”：”10.1016\/j.asoc.2023.110489_b12“，”doi-asserted-by“：”crossref“，”doi“：”10.116\/j.ress.2022.108770“，”article-title“：“机电执行器课程伪标签指导下的混合域自适应诊断网络”，“卷”：“228”，“作者”：“王”，“年份”：“2022”，“日志标题”：“可靠性工程系统安全”}，{“键”：“10.1016\/j.asoc.2023.110489_b13”，“文章标题”：“用于波动工况下转子轴承系统智能故障诊断的多尺度深度图卷积网络”，“作者”：“Zhao”，“年份”：“2022”，“期刊标题”：“IEEE Trans.Ind.Inform.”}，{“密钥”：“10.1016\/j.asoc.2023.110489_b14”，“文章标题”：“使用自适应类内和类间卷积神经网络对变速箱在可变工作条件下的智能故障诊断”，“作者”：“Zhao”，“年份”：“2022”，“日志标题”：“IEEE Trans.neural Netw.Learn.Syst.”}，{“键”：“10.1016\/j.asoc.2023.110489_b15”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.eswa.2022.119479”，“article-title”：“用于波动速度条件下滚动轴承故障识别的深阶小波卷积变分自动编码器”，“volume”：“216”，“author”：“Yan”，“year”：“2023”，“journal-title“：“Expert Syst.Appl.”}，{“issue”：“2”，“key”：”10.1016\/j.asoc.2023.110489_b16“，”doi-asserted-by“：”crossref“，”first page“：”425“，”doi“：“10.3390\/s17020425”，“article-title”：“一种新的故障诊断深度学习模型，对原始振动信号具有良好的抗噪能力和域自适应能力”，“volume”：“17”，“author”：“Zhang”，“year”：“2017”，“journal-title“：”Sensors“}”，{“issue”：“3”，“key”：”10.1016\/j.asoc.2023.110489_b17“，”doi-asserted-by“：”crossref“，”first page“：”675“，”doi“：“10.3390\/s21030675”，“article-title”：“使用顺序跟踪和一维可变速度卷积神经网络的两阶段智能承载故障诊断方法”，“volume”：“21”，“author”：“Ji”，“year”：“2021”，“journal-title“：”Sensors“}，{“key”：”10.1016\/j.asoc.2023.110489_b18“，”doi-asserted-by“：”crossref“，”doi“：“10.1016\/j.knosys.2020.105971”，“article-title”：“基于归一化CNN的滚动轴承智能故障诊断，考虑数据不平衡和工作条件变化”，“volume”：“199”，“author”：“Zhao”，“year”：“2020”，“journal-title“：”Knowl.-based Syst.“}，{”key“：”10.1016\/j.asoc.2023.110489_b19“，”doi-asserted-by“：”crossref“，”doi“：“10.1016\/j.eswa.2022.117716”，“article-title”：“基于信号-图像映射和深度gabor卷积自适应池网络的旋转机械新型智能故障诊断方法”，“volume”：“205”，“author”：“Li”，”year“：“2022”，“journal-title“：“Expert Syst.Appl.”}，{“issue”：“7”，“key”：”10.1016\/j.asoc.2023.110489_b20“，“doi-asserted-by”：“crossref”，“first page”：“4928”，“doi”：“10.1109\/TII.2019.2938884”，“article-title”：“进化深度回声状态网络用于智能故障诊断”，“volume”：”16“，“author”：“Long”，“year”：“2020”，“journal-title“：”IEEE Trans.Ind.Inform.“}，{“key”：页面“：”170“，”doi“：“10.1016\/j.ymssp.2018.07.048”，“article-title”：“用于复杂系统故障诊断的自适应时空特征学习方法”，“volume”：“117”，“author”：“Han”，”year“：“2019”，“journal-title“：”Mech.Syst.Signal Process.“}，{”issue“：”16“，”key“：”10.1016\/j.asoc.2023.110489_b22“，”doi-asserted-by“：”crossref“，”first-page“：”10537“，”doi“：“10.1007\/s00521-05810-4”，“article-title”：“一种具有抗噪性和泛化能力的模拟电路故障诊断新方法”，“volume”：“33”，“author”：“Gao”，“year”：“2021”，“journal-title“：”Neural Compute.Appl.“}，{“key”：”10.1016\/j.asoc.2023.110489_b23“，”doi-asserted-by“：”crossref“，”first page“：”213“，“doi”：“10.1016\/j.neucom.2022.07.022”，“article-title”：“一种用于滚动轴承故障诊断的新型多尺度级联中点残差卷积神经网络”，“volume”：“506”，“author”：“Chao”，“year”：“2022”，“journal-title“：”Neurocomputing“}，{”key“10.1016 \/j.asoc.2023.110489_b24”，“doi-asserted-by”：“crossref”，“first-page”：“618”，“doi”：“10.1016\/j.neucom.2021.11.067”，“article-title”：“使用新型源代码自动编码器和深度剩余神经网络进行故障检测和诊断”，“volume”：“488”，“author”：“Amini”，“year”：“2022”，“journal-title“：“Neurocomputing”}，{“key”：：“将专家知识与领域适应相结合，用于无监督故障诊断”，“卷”：“71”，“作者”：“王”，“年份”：“2022”，“日志标题”：“IEEE Trans.Instrum.Meas.”}，{“key”：“10.1016\/j.asoc.2023.110489_b26”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.rinp.2022.105781”，“article-title”：“基于混合池深度信念网络和小波变换的旋转机械故障诊断特征学习方法”，“卷”：“39”，“作者”：“唐”，“年份”：“2022”，“期刊标题”：“结果物理学”}，{“问题”：“2”，”键“：”10.1016\/j.asoc.2023.110489_b27“，”doi-asserted-by“：”crossref“，”首页“985”，“doi”：“10.1109\/TMECH.2021.3076775”，“article-title”：“使用时频表示和深度强化学习对行星齿轮箱进行智能故障诊断”，“volume”：“27”，“author”：“Wang”，“year”：“2022”，“journal-title:”IEEE ASME Trans.Mechatron.“}，{“key”：”10.1016\/j.asoc.2023.110489_b28“，”doi-asserted-by“：”crossref“，”first page“：”351“，”doi“：“10.1016\/j.neucom.200.03.064”，“文章标题”：“AdaBoost CNN:一种卷积神经网络的自适应增强算法，用于使用迁移学习对多类不平衡数据集进行分类”，“卷”：“404”，“作者”：“Taherkhani”，“年份”：“2020”，“期刊标题”：“神经计算”}，{“密钥”：“10.1016\/j.asoc.2023.110489_b29”，“doi断言由”：“crossref”，“DOI”：“10.1109\/TIM.2020.3031113”，“article-title”：“基于集合长短期记忆神经网络的剩余寿命预测”，“volume”：“70”，“author”：“Cheng”，“year”：“2021”，“journal-title“：”IEEE Trans.Instrum.Meas.“}，{“issue”：“5”，“key”：”10.1016\/j.asoc.2023.110489_b30“，”DOI-asserted-by“：”crossref.“，”first page“3727”，“内政部”：“10.1007\/s00500-019-04141-w”，“article-title”：“基于多分类器的卷积神经网络集成学习框架”，“volume”：“24”，“author”：“Guo”，“year”：“2020”，“journal-title“：”Soft Comput.“}，{“key”：”10.1016\/j.asoc.2023.110489_b31“，”doi-asserted-by“：”crossref“，“doi”：“10.1016\/j.scitotenv.2020.14399”，“article-titel”：“一种创新的基于随机森林的非线性集成范式，用于改进特征提取和深度学习，用于碳价格预测”，“卷”：“762”，“作者”：“王”，“年份”：“2021”，“期刊标题”：“科学总环境”}，{“关键”：“10.1016\/j.asoc.2023.110489_b32”，“doi-asserted-by”：“crossref”，“doi”：“0.1016\/j.knosyss.2022.108290”，《文章标题》：“基于选择性深集合模型的风力涡轮机叶片结冰故障预测”，“体积”：“242”，“作者”：“肖”，“年份”：“2022”，《期刊标题》：“基于知识的系统”}，{“关键”：“10.1016\/j.asoc.2023.110489_b33”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.enbuild.2022.112243”，“article-title”：“基于集成BiLSTM的鲁棒VRF故障诊断方法：考虑不确定性和泛化”，“卷”：“269”，“作者”：“汉”，“年份”：“2022”，“期刊标题”：“能源建设”}，{“关键”：“10.1016\/j.asoc.2023.110489_b34”，“doi-asserted-by”：“crossref”，“首页”：“964”，“doi”：“101016\/jmsy.2020.12.002”，“article-title”：“一种用于故障诊断的具有多样性正则化的新型集成卷积神经网络”，“volume”：“62”，“author”：“Wen”，“year”：“2022”，“journal-title:”J.Manuf.Syst.“}，{“key”：”10.1016\/J.asoc.2023.110489_b35“，”series-title“：”Deep complex networks“，”author“：”Trabelsi“，”year“：”2018：“10.1016\/j.asoc.2023.110489_b36”，“doi-asserted-by”：“crossref”，“first page”：“2353”，“doi”：“10.1007\/s11071-022-07314-9”，《article-title》：“采用重叠群稀疏深度复卷积神经网络的滚动轴承故障诊断算法”，“volume”：”108“，“author”：“An”，”year“2022”，“journal-title”：“非线性动力学”}，{“key”：“10.1016\/j.asoc.2023.110489_b37”，“doi-asserted-by”：“crossref”，“unstructured”：“K.Zhang，X.Yang，j.Zang，Z.Li，FeLU:分数指数线性单位，in：《第三十三届中国控制与决策会议论文集》，2021年，第3812\u20133817页。”，“doi”：“10.1109\/CCDC5231.2021.961925”}，{“key”：“1016\/j.asoc.2020年，第110489_b38”，“series-title”：“自归一化神经网络”，“author”：“Klambauer”，“year”：“2017”}，{“issue”：“3”，“key”：“10.1016\/j.asoc.2023.110489_b39”，“doi-asserted-by”：“crossref”，“first page”：《349》，“doi”：“10.4310\/SII.2009.v2.n3.a8”，“article-title”：《多类AdaBoost》，“volume”：“，”年“：”2009“，”日志标题“：”统计界面“}，{”问题“：“5”，“key”：“10.1016\/j.asoc.2023.110489_b40”，“doi断言者”：“crossref”，“首页”：“4351”，“doi”：“10.1109\/TIE.202020.2984968”，“文章标题”：“基于深度学习的智能机械故障诊断部分领域自适应方法”，“卷”：“68”，“作者”：“Li”，“年份”：“2021”，“期刊标题”：“IEEE Trans.Ind.Electron.”}，{“key”：“10.1016\/j.asoc.2023.110489_b41”，“doi-asserted-by”：“crossref”，“first page”：“224”，“doi”：“10.106\/j.isatra.2020.08.010”，“article-title”：“旋转机械智能诊断的深度学习算法：开源基准研究”，“volume”：”107“，”author“：”Zhao“，”year“2020”，“journal-title“：”ISA Trans.“}，{”key“：“10.1016\/j.asoc.2023.110489_b42”，“doi-asserted-by”：“crossref”，“unstructured”：“T.Akiba，S.Sano，T.Yanase，T.Ohta，M.Koyama，Optuna:下一代超参数优化框架，摘自：2019年第25届ACM SIGKDD国际知识发现与数据挖掘会议论文集，第2623\u20132631页。”，“doi”：“10.1145\/3292500.3330701”}]，“container-title”：[“应用软件计算”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com\/content\/article\/PII:S1568494623005070？httpAccept=text\/xml”，“内容类型”：“text\/.xml”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“网址”：“https:\/\/api.elsevier.com/content\/article\/PII:S1568494623005070？httpAccept=text\/plain”，“content-type”：“text\/plan”，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[2023,7,15]]，“date-time”：”2023-07-15T14:08:39Z“，”timestamp“：1689430119000}，“score”：1，“resource”：{”primary“：{”URL“：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S1568494623005070”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[[2023,9]]}，”references-count“：42，”alternative-id“：[”S156849462300 5070“]，”URL“http://\/dx.doi.org\/10.10016\/j.asoc.2023.110489”，“relation”：{}，“ISSN”：[“1568-4946”]，“ISSN-type”：[{“value”：“1568-4846”，“type”:“print”}]，“subject”：[]，“published”：{“date-parts”：[[2023,9]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“This article is maintained by”}，{“value”：“一种基于集成复杂时空注意网络的复杂系统在波动操作条件下的故障定位方法”，“name:”articletle“，”label“：”article Title“}”，{“value”：“Applied Soft Computing”，“name”：“journalttle”，“label”：“Journal Title”}，{”value“：”https:\\/doi.org\/10.1016\/j.asoc.2023.110489“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}，”{“value”：“article”，“名称”：“content_type”，“标签”：“content-type”}、{“值”：”\u00a9 2023 Elsevier B.V.保留所有权利。“，“name”：“copyright”，“label”：“版权”}]，“文章编号”：“110489”}}