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。

论“数”思维与企业变革

大数据时代的到来2009年,谷歌因成功预测了美国一些地区冬季流感的发病时间和类型而刮起了大数据的浪潮;沃尔玛通过消费者购物行为数据分析发现了针对男性顾客的"啤酒+尿布"的组合;2012年,奥巴马将他的大选连任成功归功于其竞选团队所进行的大规模深入的数据挖掘;2014年,微软、谷歌、百度通过大数据技术对足球世界杯赛事结果进行了预测,其中小组赛阶段预测全部命中;类似的还有微软奥斯卡金像奖预测、百度高考作文压题、赫芬顿邮报版面智能编辑等等。有研究机构表示2012年以来产生的数据量超过了2012年之前整个人类历史所创造的数据量的总和。