RIE-SenseNet：面向工业传感信号的黎曼流形嵌入与稳健模式识别
机器学习
2025-05-12 v2
摘要
工业传感网络产生具有非线性结构和分布漂移的复杂信号。我们提出了 RIE-SenseNet，一种新颖的几何感知 Transformer 模型，将传感器数据嵌入黎曼流形以应对上述挑战。通过利用双曲几何进行序列建模并引入基于流形的数据增强技术，RIE-SenseNet 能保留传感器信号结构并生成逼真的合成样本。实验表明，RIE-SenseNet 达到 >90% 的 F1 分数，显著优于 CNN 和 Transformer 基线。这些结果说明了将非欧几里得特征表示与几何一致数据增强相结合为工业传感中的稳健模式识别带来的优势。
引用
@article{arxiv.2502.02428,
title = {RIE-SenseNet: Riemannian Manifold Embedding of Multi-Source Industrial Sensor Signals for Robust Pattern Recognition},
author = {Xu Wang and Puyu Han and Jiaju Kang and Weichao Pan and Luqi Gong},
journal= {arXiv preprint arXiv:2502.02428},
year = {2025}
}