摘要
本发明公开了一种基于时序感知和单调性约束时序预测的AI质检方法、设备及介质,方法包括:获取工艺过程中不同时间步下的若干时序特征的参数数据,基于先验知识剔除时序特征中的冗余数据,得到第一处理数据作为训练集;构建单调性约束时序预测模型;针对第一处理数据使用小样本增强学习方法扩充训练集,并对单调性约束时序预测模型进行训练;将当前时序数据输入至训练后的单调性约束时序预测模型,输出工艺产品质量结果,实现AI质检。本发明引入带有先验知识的训练集,并创新性的在复杂模型中增加工艺机理单调性约束,该方式增强了模型的可解释性,并使得模型更易训练。
技术关键词
时序预测模型
时序特征
质检方法
动态时间规整
训练集
学习方法
反距离加权法
无标签数据
冗余
可读存储介质
参数
样本
节点
计算机
处理器
序列
电子设备
系统为您推荐了相关专利信息
卷积滤波器
时序特征
传感器阵列
数据
预警控制方法
策略
时序特征
灰狼优化算法
发电机
粒子群优化算法
海洋垃圾
机器学习模型
监测方法
深度神经网络模型
移动平均算法
轴承故障诊断方法
轴承故障诊断系统
轴承故障检测
构建深度学习网络
深度学习网络模型