汇报人：杨杰

报告摘要：研究了基于深度置信网络感应耦合等离子体产生系统石英管故障诊断的方法，考虑到深度置信网络提取的特征存在大量的冗余信息，选取有用的特征仍然是一项艰巨的任务。本文提出了一种新颖的深度置信网络特征选择框架，称为联合流形学习和范数正则，其中联合执行了学习和范数正则。具体而言，提出的JMLFR将流形学习与范数正则结合起来以执行特征选择。基于JMLFR深度置信网络的故障诊断旨在通过无监督学习提取有效的判别特征，进而提升故障分类能力。又考虑到输入数据中噪声影响了网络鲁棒性的问题，构思了将模糊函数引入网络待优化的参数中，提出一种鲁棒性更好的网络框架。