原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
近年来，智能制造的广泛应用对工业元件的异常检测提出了更高的检测效率
和精度要求。尽管基于深度学习的异常检测技术取得了较大进展，但大多数方法
严重依赖大规模标注数据。在实际工业场景中，异常样本稀缺且标注成本高，这
些算法难以满足实际应用需求。为此，本文提出了两种基于协同在线学习的少样
2-8
本（张）异常检测算法，以充分利用测试阶段的未标注样本信息，使模型能
在检测过程中持续学习并优化检测性能。此外，本文还围绕数据集构建和系统实
现进行了深入研究。主要贡献如下：
1
您可能关注的文档
- 基于SOLO分类理论的高中化学大单元教学设计与实践研究——以“化学平衡”为例.pdf
- 二维耦合Gross-Pitaevskii方程的保结构算法.pdf
- 基于差异特征和xLSTM的机器译文质量估计.pdf
- 基于语义一致性的多模态虚假新闻检测研究.pdf
- 基于BOPPPS教学模式的任务驱动教学与实践研究——以高中物理“运动和力的关系”为例.pdf
- 基于Mamba与Transformer融合和提示学习的多任务图像修复方法研究.pdf
- PBL教学模式在高中物理深度学习中的实践研究——以《动量守恒定律》为例.pdf
- 中国元素融入方式对消费者品牌推荐意愿的影响.pdf
- 全龄友好视角下街巷型老旧社区公共空间评价与优化策略.pdf
- 基于多模态信息的虚拟试衣方法研究.pdf
文档评论（0）