持续半监督图回声状态网络

多模式质量预测

一种持续半监督图回声状态网络，通过弹性权重巩固积累历史模式知识，有效缓解多模式过程中的灾难性遗忘，助力工业多模式质量预测。

Yang, Chao · 刘强 · 刘怡 · Cheung, Yiu Ming

IEEE Transactions on Industrial Informatics 2025

技术优势

缓解灾难性遗忘

采用弹性权重巩固策略，基于伪逆参数优化估计参数重要性，在更新时保护重要权重，从而持续积累历史模式知识。

利用未标记数据

基于图平滑假设设计半监督图回声状态网络，从每个模式内的未标记样本中提取动态信息，缓解数据稀缺问题。

适应多模式切换

模型能够灵活地对连续到达的运行模式进行建模，并在模式切换时保持预测性能。

应用场景

• 工业过程质量预测：在模式频繁切换的产线上持续预测质量，无需每次重新收集大量标记数据。
• 多模式过程建模：对连续到达的多模式数据流进行增量式建模，避免模式间知识干扰。
• 过程监控与软测量：作为软测量模型实时估计关键质量变量，提升过程监控的可靠性。