科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统异常检测模型在处理工业多维时序数据时特征提取不充分、抗干扰能力弱等问题，提出一种改进的自编码模型，有效结合了门控循环网络的时序信息记忆能力和收缩自编码器的鲁棒特征提取能力，能够同时捕获不同特征变量之间的非线性相关性和单个变量自身的时序相关性。采取半监督学习异常检测方法，使用正常数据训练模型收敛，并根据待检测数据输入模型后计算出的异常得分来判定异常样本。基于真实的工业传感器数据进行实验后的结果表明，该方法有效提高了异常检测的准确度和可靠性。
-
单位武汉科技大学; 智能信息处理与实时工业系统湖北省重点实验室
