返回
Automated algorithm selection for Predictive Maintenance: Advances and challenges
DOI:10.1016/j.jmsy.2025.06.023.png)
摘要
En 中文
• 产业预测性维护任务中元学习方法的系统综述。
• 对预测性维护中算法和超参数选择的CASH问题进行形式化。
• 识别模型开发瓶颈和关键预测性维护实施挑战。
• 揭示动态条件下无监督和自适应方法中的空白。
• 提出用于元学习稳健产业部署的研究路线图。
Keyword:
Meta-Learning
Predictive Maintenance
Hyperparameter Optimization
Industrial Deployment
Adaptive Methods
期刊
IF:
14.2
论文数:
2.7K
被引数:
1.6W
机构
暂无机构信息
引用论文
Accessing Imbalance Learning Using Dynamic Selection Approach in Water Quality Anomaly Detection
Symmetry
IF0
Novel Meta-Features for Automated Machine Learning Model Selection in Anomaly Detection用于异常检测中自动机器学习模型选择的新颖元特征
IEEE ACCESS
IF3.6
Meta-learning for time series forecasting and forecast combination时间序列预测和预测组合的元学习
NEUROCOMPUTING
IF6.5
Adaptive maintenance window-based opportunistic maintenance optimization considering operational reliability and cost考虑运行可靠性和成本的基于自适应维护窗口的机会维修优化

