文件名称：tf-SSS-AE:SSS-AE Tensorflow官方代码
文件大小：148.63MB
文件格式：ZIP
更新时间：2024-04-28 15:27:11
Python
SSS-AE：在SMD组装机声音中使用基于自注意的序列到序列自动编码器进行异常检测 [SSS-AE：使用基于自我注意的SMD组装机声音中的序列到序列自动编码器进行异常检测] 1 * ，YoungJong Song 1 * ，IlDong Yun 1,2 表面贴装设备（SMD）组装机可以连续不断地在实际中组装各种产品。 诸如组装故障和设备故障之类的不良情况可能会在组装过程中随时发生，并导致高昂的损失。 使用深度学习的异常检测技术可有效检测此类异常情况。 对于SMD异常检测工作流程，可以考虑两种培训方案，即单产品学习和多产品学习。 由于以前的研究中产品数量不多，因此单产品学习就足够了。 但是，当产品数量逐渐增加时，需要进行多产品学习。 多产品学习的成功执行需要有效的学习方法，以用于各种装配声音数据。 在本文中，我们提出了鲁棒的模型和有效的数据预处理方法，基于自注意的序列到序列自动编码器（
【文件预览】：
tf-SSS-AE-main
----utils()
--------preprocessing.py(3KB)
----dataset_loader.py(1KB)
----script()
--------run_preprocessing.sh(515B)
--------run_sssae_tester.sh(1023B)
--------run_sssae_trainer.sh(713B)
----model.py(10KB)
----run.py(6KB)
----dataset()
--------LSMD()
----modules.py(11KB)
----LICENSE(1KB)
----README.md(5KB)
----manifests()
--------ST-3214-2.json(255B)
--------GT-4118.json(247B)
--------ST-3708-2.json(255B)
--------ST-3708.json(247B)
--------ST-3214-1.json(257B)
--------ST-3708-1.json(257B)
--------ST-3214.json(247B)
--------GT-4118-2.json(255B)
--------GT-4118-1.json(257B)
----plot.py(559B)