{“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”：[[2024,6,2]，“日期-时间”：“2024-06-02T02:33:14Z”，“时间戳”：1717295594791}，“引用-计数”：28，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{-“日期-零件”：[2022,11,1]]，“日期时间”：”2022-11-01T00:00:00 Z“，”timestamp“：1667260800000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2022,11,1]]，“date-time”：“2022-11-01T00:00:00Z”，“timestamp”：16672608000000}，“content-version”：“tdm”，“delay-in-days”：“0，”URL“https://www.elsevisier.com/legal\/tdmrep-licensions”e“}，{”开始“：{”日期部分“：[2022,11,1]]，”日期时间“：“2022-11-01T00:00:00Z”，“timestamp”：1667260800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-017”}，{“start”：{“date-parts”：[2022,11,1]]，“date-time”：“2022-11-01T00:00 Z”，，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[[2022,11,1]]，“date-time”：“2022-11-01T00:00:00Z”，“timestamp”：166726080000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-012”}，{“start”：{（日期-parts）：[[22022,11,1]，“日期-时间”：“022-11-01T1T00:00Z”，”timestamp“：16672600000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2022,11,1]]，“date-time”：“2022-11-01T00:00:00Z”，“timestamp”：1667260800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“http:\/\/doi.org\/10.15223\/policy-004”}]，“funder”：[{“doi”：“10.13039\/501 100001809”，“名称”：“国家自然科学基金”，“doi-asserted-by”：“publisher”，“adward”：[“51875376”，“52075353”]}]，“content-domain”：{“domain”（域）：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[”基于知识的系统“]，”published-print“：{”date-parts“：[2022,11]}，”doi“：”10.1016\/j.knosys.2022.09880“，”type：“journal-article”，“created”：{“date-parts”：[[2022,9,13]]，“date-time”：“2022-09-13T06:44:08Z”，“timestamp”：1663051448000}，“page”：“109880”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：34，“title”：[“联邦对抗性域泛化网络：一种具有数据隐私的新型机器故障诊断方法”]，“前缀”：“10.1016”，“volume”：“256”，“author”：[{“给定”：“Rui”，“family”：“Wang”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：”http://\/ORCID.org\/00000-0002-6734-2019“，”authenticated-ORCID“：false，”given“：”Weigo“，”family“：”Huang“，”sequence“：”additional“affiliation”：[]}，{“given”：“Jun”，“family”：“王”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“长清”，“家族”：“沈”，“序列”：“附加”，“隶属关系”：[]｝，｛“ORCID”：“http:\/\/ORCID.org/0000-0002-3392-1020”，“已认证的ORCID”：false，“给定”：“中奎”，“家族”：“朱”，“序列”：“附加”，“隶属关系”：[]｝]，“成员”：“78”，“引用”：[｛“密钥”：“10.1016\/j.knosys.2022.109880_b1”，“doi-asserted-by”：“crossref”，“first page”：“33”，“doi”：“10.12016\/j.ymssp.2018.02.016”，“article-title”：“旋转机械故障诊断人工智能：综述”，“volume”：《108》，“author”：“Liu”，“year”：“2018”，“journal-title“：”：“Mech.Syst.Signal Process.”}，{“key”：9880_b2英寸，“doi-asserted-by”：“crossref”，“doi”：“10.1016\/j.knosys.2019.07.008”，“article-title”：“基于全局优化GAN的非平衡数据深度学习故障诊断方法”，“volume”：“187”，”author“：”Zhou“，”year“：”2020“，”journal-title“：”Knowl.-based Syst.“}，{“key”：1英寸，“DOI”：“10.1016\/j.knosys.2017.0.024”，“article-title”：“使用带极限学习机的深小波自动编码器对滚动轴承进行智能故障诊断”，“volume”：“140”，“author”：“Haidong”，“year”：“2018”，“journal-title“：“Knowl.-Based Syst.”}，{“key”：：“10.1016\/j.ymssp.2019.106587”，“article-title”：“机器学习在机器故障诊断中的应用：回顾和路线图”，“volume”：“138”，“author”：“Lei”，“year”：“2020”，“journal-title“：”Mech.Syst.Signal Process.“}，{“key”：”10.1016\/j.knosys.2022.109880_b5“，”doi-asserted-by“：”crossref“，”first page“：”1“，”doi“：”10.1109\/TIM.2022.32 216413英寸，“article-title”：“时变工况下轴承故障诊断的多源域特征自适应网络”，“volume”：“71”，“author”：“Wang”，“year”：“2022”，“journal-title:”IEEE Trans.Instrum.Meas.“}，{“key”：”10.1016\/j.knosys.2022.109880_b6“，”doi-asserted-by“：”crossref“，”first page“327”，“doi”：“10.1016\/j.neucom.2018.06.078”，“article-title”：“基于深度学习的轴承故障诊断调查”，“volume”：“335”，“author”：“Hoang”，“year”：“2019”，“journal-title“：”Neurocomputing“}，{“key”：”10.1016\/j.knosys.2022.109880_b7“，”doi-asserted-by“：”crossref“，”first page“：”1“，”doi“：”10.12016\/j.knosys.2017.0.024“，”article-title“：“使用带极限学习机的深小波自动编码器对滚动轴承进行智能故障诊断”，“卷”：“140”，“作者”：“邵”，“年份”：“2018”，“日志标题”：“基于知识的系统”}，{“键”：“10.1016\/j.knosys.2022.109880_b8”，“doi-asserted-by”：“crossref”，《首页》：“136”，”doi“10.1109\/TSMC.2017.2754287”，“文章标题”：“基于稀疏自动编码器的新型深度转移学习用于故障诊断”，“卷”：“49”，“作者”：“文”，“年份”：“2019”，“日志标题”：“IEEE Trans.Syst.Man Cybern.Syst.”}，{“键”：“10.1016\/j.knosys.2022.109880_b9”，”doi-asserted-by“：”crossref“，”doi“10.1016 \/j.knosys.2022.108443”，“article-title”：“多视角深度转移学习模型：在不同工作条件下轴承智能故障诊断的一个有前途的工具”，“卷”：“243”，“作者”：“李”，“年份”：“2022”，“日志标题”：“基于知识的系统”}，{“键”：“10.1016\/j.knosys.2022.109880_b10”，“doi-asserted-by”：“crossref”，“首页”：“3057”，“doi”：“101109\/TIA.2017.261250”，“article-title”：“基于深度学习的轴承故障诊断方法”，“volume”：“53”，“author”：“He”，“year”：“2017”，“journal-title“：”IEEE Trans.Ind.Appl.“}，{“key”：”10.1016\/j.knosys.2022.109880_b11“，”doi-asserted-by“：”crossref“，”first page“：”136“，“doi”：“10.1016\/j.sigpro.2019.03.019“，”article-title“：“利用注意力机制理解和改进基于深度学习的滚动轴承故障诊断”，“卷”：“161”，“作者”：“Li”，“年份”：“2019”，“期刊标题”：“信号处理”}，{“密钥”：“10.1016\/j.knosys.202.1099800_b12”，“doi断言”：“crossref”，“首页”：“187”，“doi”：“10.1016\/j.ymssp.2017.03.034”，“文章标题”：“用于旋转机械故障诊断的新型深度自动编码器特征学习方法”，“卷”：“95”，“作者”：“邵”，“年份”：“2017”，“日志标题”：“机械系统信号处理”}，{“键”：“10.1016\/j.knosys.2022.109880_b13”，“doi-asserted-by”：“crossref”，《首页》：“1137”，“doi”：“101109\/TII.2018.2793246”，“文章标题”：“利用多模态感官数据进行故障诊断的深耦合自动编码器”，“卷”：“14”，“作者”：“Ma”，“年份”：“2018”，“日志标题”：“IEEE Trans.Ind.Inf.”}，{“键”：“10.1016\/j.knosys.2022.109880_b14”，”doi-asserted-by“：”crossref“，”first page“：”7316“，”doi“：”10.1109\/TIE.2018.2877090“，”article-title“：“深度卷积传递学习网络：具有未标记数据的机器智能故障诊断的新方法”，“卷”：“66”，“作者”：“郭”，“年份”：“2019”，“期刊标题”：“IEEE Trans.Ind.Electron.”}，{“密钥”：“10.1016\/j.knosys.2022.109880_b15”，“doi-asserted-by”：“crossref”，”doi“10.1016”，“j.knosys.2020.106236”，”article-title“：“用于智能故障诊断的双层对抗域适配网络”，“卷”：“205”，“作者”：“Jiao”，《年份》：“2020年”，“日志标题”：“基于知识的系统”}，{“密钥”：“10.1016\/j.knosys.2022.109880_b16”，“doi-asserted-by”：“crossref”：“用于滚动轴承故障诊断的具有对抗性学习的联合分布自适应网络”，“卷”：“222”，“作者”：“Zhao”，“年份”：“2021”，“期刊标题”：“基于知识的系统”}，{“密钥”：“10.1016\/j.knosys.202120099800_b17”，“doi断言者”：“crossref”，“首页”：“409”，“doi”：“10.1016\/j.neucom.2020.05.014”，“文章标题”：“使用深度神经网络进行旋转机械故障诊断的领域泛化”，“卷”：“403”，“作者”：“李”，“年份”：“2020年”，“日志标题”：“神经计算”}，{“关键”：“10.1016\/j.knosys.2022.109880_b18”，“首页”：“8064”，“文章标题”：“变速旋转机械故障诊断的深度半监督域泛化网络”，“volume”：“69”，“author”：“Liao”，“year”：“2020”，“journal-title”：“IEEE Trans.Instrum.Meas.”}，{“key”：”10.1016\/j.knosys.2022.109880_b19“，”doi-asserted-by“：”crossref“，”first page“1790”，“doi”：“10.1109\/TII.2021.3078712”，“article-title“：“对抗性领域非变异泛化：在未知条件下轴承故障诊断的通用领域回归框架”，“卷”：“18”，“作者”：“陈”，“年份”：“2022”，“期刊标题”：“IEEE Trans.Ind.Inf.”}，{“key”：“10.1016\/j.knosys.2022.109880_b20”，“非结构化”：“H.Brendan\u00a0McMahan，E.Moore，D.Ramage，S.Hampson，B。Aguera\u00a0y Arcas，《通信——从分散数据中高效学习深层网络》，载：第20届国际人工智能与统计会议，2017年10.1016\/j.knosys.2022.109880_b22“，”doi-asserted-by“：”crossref“，”first page“：”12“，”doi“：”10.1145\/3298981“，”article-title“：”联合机器学习：概念和应用“，”volume“：“10”，“author”：“Yang”，“year”：“2019”，“journal-title”：“ACM Trans。智力。系统。Technol公司。“}，{”key“：”10.1016\/j.knosys.2022.109880_b23“，”首页“：”50“，”article-title“：”联合学习：挑战、方法和未来方向“，”volume“：“37”，”author“：”Li“，”year“：”2020“，”journal-title”：“IEEE Signal Process.Mag.”}，“key”：“10.1016\\j.knocys.2022.09880_b24”，“doi-asserted-by”：“crossref”，“doi”：“1016\/j.knosys.2020.106679“，”article-title“：“机械故障诊断联合学习与动态验证和自我监控”，“volume”：“213”，“author”：“Zhang”，“year”：“2021”，“journal-title”：“Knowl”-基于系统。“}，{”key“：”10.1016\/j.knosys.2022.109880_b25“，”doi-asserted-by“：”crossref“，”first page“：“430”，“doi”：“10.1109\/TMECH.2021.3065522”，“article-title”：“使用具有数据隐私的深度对抗网络进行智能故障诊断的联合传输学习”，“volume”：“27”，“author”：“Zhang”，“year”：“2022”，”“journal-title“：”IEEE\/ASME标准。Mechatronics“}，{“key”：“10.1016\/j.knosys.2022.109880_b26”，“doi-asserted-by”：“crossref”，“unstructured”：“W.Yang，j.Chen，Z.Chen，Y.Liao，W.Li，基于平均共享层的轴承故障诊断联合传输学习，in：2021 Global Reliability and Prognostics and Health Management，2021，pp.1\u20137.”，“doi”：“10.1109 \/PHM-南京52125.2021.9612761“}，{“key”：“10.1016\/j.knosys.2022.09880_b27”，“doi-asserted-by”：“crossref”，“unstructured”：“j.Chen，j.Li，R.Huang，K.Yue，Z.Chen，W。李，用动态加权平均进行轴承故障诊断的联合学习，载：2021年人工智能时代的传感、测量和数据分析国际会议，2021年，第1\u20136页。“，“DOI”：“10.1109\/ICSMD53520.2021.9670854”}，{“key”：“101016\/j.knosys.2022.109880_b28”，“非结构化”：“M.Xudong，L.Qing，X。Haoran，R.Y.K.Lau，W.Zhen，S.P.Smolley，最小二乘生成对抗网络，载于：2017 IEEE计算机Visio国际会议，2017年，第2813\u20132821.页“}]，“容器-时间”：[“基于知识的系统”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com\/content\/article\/PII:S09507051220973X？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com\/content\/article\/PII:S09507051220973X？httpAccept=text\/plain“，”内容类型“：”文本\/plaine“，”content-version[2024,4,27]]，“date-time“：”2024-04-27T17:32:35Z“，”timestamp“：1714239155000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/linkinghub.elsevier.com\/retrieve\/pii\/S09507051220973X”}}，“副标题”：[]，“短标题”：[]，“已发布”:{“date-parts”：[2022,11]]}、“references-count”：28，“alternative-id”：[“S095070512200973X”973X“]，”URL“：”http:\/\/dx.doi.org\/10.1016\/j.knosys.2022.109880“，”关系“：{}，”ISSN“：[”0950-7051“]，”ISSN-type“：[{”value“：”0950-8051“，”type“:”print“}]，”subject“：【】，”published“：{”date-parts“：[2022,11]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“此文章由”}，{维护“值”：“联合对抗域泛化网络：一种具有数据隐私的新型机械故障诊断方法“，”name“：”articletitle“，”label“：”Article Title“}，”{“value”：“基于知识的系统”，”name”：“journaltitle”，“label”：“Journal Title”}，{“value”：“https:\\/doi.org\/10.1016\/j.knosys.2022.09880”，“name”：”articelink“，”标签“：”CrossRef DOI链接到出版商维护的版本“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“values”：“\u00a9 2022 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]，“文章编号”：“109880”}