一种基于多教师知识蒸馏的神经网络故障感知训练方法

本发明涉及人工智能和神经网络技术领域，特别涉及一种基于多教师知识蒸馏的神经网络故障感知训练方法，包括多个教师神经网络和一个学生神经网络，神经网络包括特征提取子网络和分类子网络，每个教师神经网络注入不同的故障比率，并将教师模型训练至收敛；将训练样本分别输入多个教师模型和学生模型，并计算每个教师模型与学生模型之间的损失；分别根据对应的损失函数值更新蒸馏温度以及每个教师模型的权重，直到学生模型收敛。本发明采用利用多教师知识蒸馏和输出值的熵相结合的技术，使模型在不同程度的噪声下具有高准确率，有利于增强神经网络的故障容错性。