.png){kind=icon}
返回
Variational masking progressive learning method for multi-rate industrial processes soft sensor
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jprocont.2025.103488.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• VMN被构建用于表示不同采样率的数据，而无需改变网络结构。
• PL被推导出来以训练VMN，该网络将过程特征从高采样率融合到低采样率。
• 所提出方法的有效性在真实的催化裂化过程数据集上得到了验证。
期刊
IF:
3.9
论文数:
3.5K
被引数:
7.3K
机构
暂无机构信息
引用论文
Mixture modeling for industrial soft sensor application based on semi-supervised probabilistic PLS
PREAI
分享收藏Multi-scale self-supervised representation learning with temporal alignment for multi-rate time series modeling☆用于多速率时间序列建模的具有时间对齐的多尺度自监督表示学习 ☆.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏Nonlinear probabilistic latent variable regression models for soft sensor application: From shallow to deep structure软测量应用的非线性概率潜变量回归模型: 从浅到深的结构
PREAI
分享收藏
查看更多内容