Scidown文献预览系统！
基于双向LSTM和注意机制的工业异常检测集成生成模型( Integrated Generative Model for Industrial Anomaly Detection via Bi-directional LSTM and Attention Mechanism )
F Kong J Li B Jiang H Wang H Song
对于新兴工业物联网（IIoT）而言，智能异常检测是打造智慧工业的关键一步。特别是爆炸性的时间序列数据，给现代工业的信息挖掘和处理带来了巨大的挑战。如何识别和检测多维工业时间序列异常是一个重要的问题。然而，现有的研究大多不能处理大量的未标记数据，得到的结果并不理想。本文提出了一种基于双向LSTM和注意力机制的生成对抗网络（AMBi-GAN）的集成深度生成模型(DGM)。产生和鉴别器的结构是具有注意机制的双向长短时记忆(AMBi-LSTM)，它可以捕捉时间序列的依赖性。重构损失和生成损失检验样本训练空间和随机潜空间的输入。实验结果表明，本文提出的AMBi-GAN的检测性能有潜力提高工业多维时间序列异常的检测精度，走向人工智能时代的IIoT。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 维生素D在维生素D作用紊乱中的作用:维生素D依赖型佝偻病下载
scidown 镧系配合物及其杂化物光物理行为的探索下载
scidown 基于可行性检测的考虑风电和需求响应的机组组合鲁棒优化方法 下载