★ 2
福特汽车产线终端测试的无监督监测框架
论文提出一种面向高维时序数据的多变量监测框架,用于汽车制造终端测试中的异常检测。框架先做数据清洗与时序对齐,再通过非线性降维结合控制图进行异常检测,支持无监督与有监督两种模式。在福特真实产线数据上,准确率、召回率与 F1 均优于现有模型,召回率从 0.30 提升至 1.00。
arXiv cs.LG26 天前
共 4 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出一种面向高维时序数据的多变量监测框架,用于汽车制造终端测试中的异常检测。框架先做数据清洗与时序对齐,再通过非线性降维结合控制图进行异常检测,支持无监督与有监督两种模式。在福特真实产线数据上,准确率、召回率与 F1 均优于现有模型,召回率从 0.30 提升至 1.00。
研究提出基于异构时序传感器数据跨模态重构的多模态异常检测框架,通过从其他模态重构每个模态来学习系统动态,无需显式时间对齐或相同采样率。引入自适应测试时阈值机制应对分布漂移,在三个工业案例中展现出强故障检测性能与显著提升的分布外鲁棒性。
Hacker News 讨论帖探讨能否用自回归扩散模型生成金融市场数据。话题涉及生成模型在时序金融数据合成中的可行性与局限,引发 33 分热度与 14 条评论。
论文发布了一个面向预测性维护的合成多变量时序数据集,用简化物理启发模拟器以分钟级分辨率生成 27 台冰箱的运行数据。模拟涵盖环境温度、开门、温控与压缩机、热交换、除霜、耗电及六类渐进退化。数据集含 706 万余行、27 个时序文件与故障日志,并附带生成器与配置文档。