2020.9.14-2020.9.19周汇报

已完成任务及问题：

1. 研读了导师发来的关于联邦学习、迁移学习及对抗网络的一篇论文：

由于欠缺基础知识，目前不能理解文中对算法部分的描述，但对故障分类领域的优秀论文的结构有了一定认识，特别是在实验结果的呈现及分析方面（通过对比实验分析分类准确率及对分类结果进行可视化分析）。准备在后期对迁移学习较深认识后重新阅读该文。

另外，自我感觉该文比较完善，比较好奇它还有哪些值得修改之处。

2. 读完了《机械故障诊断理论及应用》：

总计不到6小时粗略看了该书，期间着重看了书中的一些实例，对现有故障诊断方法有了一定认识。但总体而言收获不大，感觉传统方法与深度学习方法差别较大，更注重间接变换后的数据，比如传统方法可从频域波形或经某些变化后的波形的特征直接辨认出故障分类，而深度学习更注重直接对现有数据进行处理。

3. 读了六章《联邦学习》：

数据加密好难

4. 学python：

感觉后期会更注重编程，所以准备加固python基础。不打算用matlab处理数据，之后全程使用python。

未完成任务（纠结点）

1. 拿到数据到底要不要进行特征提取，该用哪种方法进行特征提取

2. 联邦学习有点难，还没有跑tensorflow下的代码，会在看完联邦学习及迁移学习后跑该代码

3. 想要火箭的数据集

进度太慢，前期毫无头绪！

下周目标：

1. 读完CC师兄博士期间的几篇论文，继续研究分类故障

2. 学Power BI，此为微软新开发的一款用于数据可视化的黑科技软件，功能非常强大，有利于后期写论文画图

3. 继续学习python