异常检测精度最高提升26.86%
通过扩张因果卷积和记忆增强模块扩大正常与异常样本的重构分布间隔，在齿轮箱异常检测中展现出优于其他先进方法的准确率和噪声鲁棒性。
Li, Wanxiang · 尚志武 · 张捷 · Gao, Maosheng · Qian, Shiqi
Engineering Applications of Artificial Intelligence 2023
记忆增强模块利用记忆矩阵和注意力机制，扩大正常与异常样本重构样本的分布间隔，减少重叠区域样本容量。
基于欧氏距离、余弦距离和绝对均方误差的异常检测模块，提高了输入与重构样本之间度量的可靠性。
实验结果表明，该方法比现有先进方法具有更高的异常检测精度和更好的噪声鲁棒性。