机器学习算法模型系统DLAgent
机器学习算法模型系统DLAgent
机器学习算法模型系统DLAgent ，融合了目前国际上各种先进的信息智能分析算法以工具箱的方式，采用了一种开发的、模块化的结构实现系统预诊算法，能应用在不同的场合，实现各种算法模型的发布与自由组合，通过组合解决各类工程问题，如装备故障诊断与健康预诊的各类计算与分析问题。该工具箱覆盖了特征提取、聚类与分类、循环网络、迁移学习、增量学习、小样本学习、量化学习、多任务学习、自适应学习、图神经网络、自监督学习、半监督学习、生成对抗、信息融合、虚实融合等核心模型，均采用 Python 编程，可支撑各个智能系统的开发，如大型装备智能维护系统、设备故障诊断系统、电池智能维护系统、制造过程质量控制系统、产品缺陷检测系统等系统对底层各类算法模型的需求，不仅包括了各类代表性深度学习算法，并且持续迭代开发，跟踪最新的深度学习算法进展，研制最新的深度学习算法模型，支撑各类智能系统的研制。
DLAgent 采用 Python 编程语言，满足不同平台需求 ( 包括 Windows 、 Linux) 。采用全 Python 语言，以 B/S 模式，通过前端与后端集成开发，采用开放的、模块化、多层架构的设计思想，采用了最新的机器学习、人工智能、深度学习、数据挖掘等技术，实现机械系统故障诊断与健康退化预诊维护，能应用在不同场合的设备故障诊断与监测，满足不同类型机械设备与关键部件（轴承、转子、齿轮箱等）的健康预诊与故障诊断需求。同时可以自由选择需要的分析数据，以及在系统上发布需要分析的数据集。通过系统的数据与算法自由发布，在界面的自由拖拉，不同的功能模块灵活组合完成不同的计算与分析任务，这种开放式的结构使得新的算法模型可以随时增加进去，也可按照客户的需求或应用背景对 DLAgent 中的模块进行组合和封装，提供了一种组合式的装备健康智能维护算法模型分析平台。
机器学习算法模型系统 DLAgent 软件系统
数据案例发布管理模块：
DLAgent 系统可允许用户进行案例数据的发布，以及各种管理，实现用户对案例数据的自我管理。
图 1 数据案例发布管理模块
算法模型发布与管理模块：
DLAgent 系统允许用户进行各种算法模型的发布，以及各种算法模型的管理，实现用户对算法模型的自我管理，通过发布算法模型，进行相关的计算与分析。
图 2 算法模型发布与管理模块
日志管理模块：
显示已生成模型的相关信息
图 3 日志管理模块
用户管理模块：
实现对用户的一些操作。
图 4 用户管理模块
算法模型计算分析模块：
该模块主要包括特征提取、特征选择、监督学习、迁移学习、小样本学习、图神经网络、多任务识别等：
图 5 算法模型计算分析模块
以下是相关的算法介绍：
第一章 特征提取
4.1 DAAN (Domain-Adversarial Neural Network)
4. 2 MDD (Margin Disparity Discrepancy)
4. 3 CORAL (Correlation Alignment)
8. 2 GNN (Graph Neural Network)
8 . 3 GCN (Graph Convolutional Network)
8. 4 GAT (Graph Attention Network)
8. 6 CGNN (Causal Graph Neural Network)
