基于高斯受限玻尔兹曼机的工业产品质量智能异常检测

为了提升基于复杂数据特征的工业产品质量异常检测性能,利用高斯受限玻尔兹曼机在高维数据非线性建模和计算复杂性上的综合优势,提出一种智能异常检测方法FE-GRBM。利用GRBM模型中自由能量与边缘概率自然对数的数学关系,设计基于自由能量的模型训练及检测策略。通过真实烟支成品质量检测案例开展实验验证。结果显示,FE-GRBM平均性能高于3个传统方法最高分0.29,高于RE-GRBM 0.04,验证了方法的有效性和优越性。