弱信号学习数据集及其基线方法

本文解决了弱信号学习（WSL）领域对专用数据集的迫切需求，该领域因噪声和不平衡而充满挑战。作者构建了一个专门的数据集，并提出了一个新颖的模型（PDVFN）来解决低信噪比和类别不平衡的难题。这项工作意义重大，因为它为 WSL 的未来研究提供了一个基准和起点，特别是在故障诊断和医学影像等弱信号普遍存在的领域。

• •引入了一个专门为弱信号学习设计的新数据集。
• •解决了低信噪比和类别不平衡的挑战。
• •提出了一种用于特征提取的新模型（PDVFN）。
• •为未来的 WSL 研究提供了基准和基础。