TY -的A2 -金,Taeseong盟,半年前,翁盟——Pratama Mahardhika盟——Ashfahani Andri盟——卷边装订前绮,爱德华PY - 2021 DA - 2021/09/02 TI -在线Semisupervised学习质量监控方法的复杂生产过程SP - 3005276六世- 2021 AB -数据驱动的质量监控是高度要求在实践中,因为它可以缓解手册的质量检验产品质量。传统的数据驱动的质量监控是受制于其离线特性从而无法处理流感官的性质数据和非平稳的环境的机器操作。最近,有开创性的著作在线质量监控在文献利用在线学习的概念,但它还远未实现最低操作员介入质量监控,因为它要求全面监督标签数据样本。提出了简洁的网络+ + (ParsNet + +)作为一个在线semisupervised学习方法能够处理极端标签缺乏质量监控任务。也就是说,它有能力应对各种semisupervised学习条件包括随机存取的地面真理和无限推迟访问的真理。ParsNet + +功能一次通过的学习方法处理流数据,同时克服弹性结构快速变化的数据分布特征。也就是说,它能够从头开始学习结构缺乏一个预定义的网络结构,它可以添加隐藏节点和丢弃在漂移数据分布。此外,它由特征提取装备一层一层的一维卷积提取多元时间序列数据的自然特征的传感器和很好地应对样品标签多对一的关系,实际质量监控一个常见问题。严格的数值评估进行了使用注塑机和工业转移成型机从我们自己的项目。ParsNet + +提供高度竞争的性能甚至完全监督竞争对手相比。 SN - 1076-2787 UR - https://doi.org/10.1155/2021/3005276 DO - 10.1155/2021/3005276 JF - Complexity PB - Hindawi KW - ER -