面向工业4.0实时异常检测的神经符号增强去噪扩散概率模型
机器学习
2023-07-20 v2
摘要
工业4.0涉及将物联网、大数据和人工智能等数字技术集成到制造和工业过程中，以提高效率和生产力。随着这些技术变得更加互联和相互依赖，工业4.0系统变得更加复杂，这带来了识别和阻止可能对制造过程造成干扰的异常的难度。本文旨在提出一种基于扩散的模型，用于工业4.0过程中的实时异常预测。利用神经符号方法，我们将工业本体集成到模型中，从而加入关于智能制造的形式化知识。最后，我们提出了一种简单而有效的通过随机傅里叶特征蒸馏扩散模型的方法，以便部署在嵌入式系统上，直接集成到制造过程中。据我们所知，这种方法此前从未被探索过。
引用
@article{arxiv.2307.06975,
title = {Neuro-symbolic Empowered Denoising Diffusion Probabilistic Models for Real-time Anomaly Detection in Industry 4.0},
author = {Luigi Capogrosso and Alessio Mascolini and Federico Girella and Geri Skenderi and Sebastiano Gaiardelli and Nicola Dall'Ora and Francesco Ponzio and Enrico Fraccaroli and Santa Di Cataldo and Sara Vinco and Enrico Macii and Franco Fummi and Marco Cristani},
journal= {arXiv preprint arXiv:2307.06975},
year = {2023}
}
备注
Accepted at the 26th Forum on specification and Design Languages (FDL 2023)