0.引言
开始读研时,想象着自己能够发几篇中文核心甚至于SCI。那个时候对发论文的难度一概不知,而且相关论文是真的看不懂,中文英文的都是。用哪个框架?哪个数据集?什么方法?哪个模型?都是一团浆糊,等把这些理清楚,再等第一篇中文核心终于录用了,才印证了一些自己的初步想法。随着学习的深入,回过头来再读以前的一些论文,一个结论已经呼之欲出,那就是这个领域真的很水。
由于自己没有足够大的学术交流圈子,为了尽量避免误判,我在原来13篇论文的基础上又读了18篇,这些论文至少都出自中文核心,有一些还有EI的title,事实上近几年能找到的文章也不算多,这些基本能说明问题了。
1.几种典型的“水文”特征
一是只做单工况测试
这31篇论文基本都有用到西储大学数据集,因此相对好比较。我前面的文章已经验证过,在这个数据集上,要想在单工况下达到100%的准确率其实非常容易,基本上也就是一个课后作业的程度。刚入门会觉得太夸张了,这还怎么创新,怎么提高性能?你以为大家会在更严苛的条件下去增加难度,挑战方法或者模型的极限能力吗?事实上是,绝大部分人还在单工况下折腾。这31篇里,只有6篇做了多工况测试,2篇做了噪声测试。绝大部分还在比较99.6%更好还是99.8%更好的问题。文章来源:https://www.toymoban.com/news/detail-401470.html
二是关键信息缺失
这个是最让人困惑的,就好像你说自己证明了某个方法更好,但是你却没有交代自己怎么做的,或者说你交代的过程有外行话或者逻辑上的缺陷,但是你就这么给出个结果完事了。最突出的是大部分论文都不好好交代训练集、验证集和测试集的构成。凡是做过模型训练的都知道这个构成比例对于结文章来源地址https://www.toymoban.com/news/detail-401470.html
到了这里,关于轴承故障诊断领域的论文到底有多水的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!