LEARNING
SyntheFormer：一种基于多变量变长时间序列数据的并行Transformer模型，用于可解释的质量预测与异常溯源
Jiewu Leng, Xiaofeng Zhu, Jiahe Li, Zean Liu, Yuanfa Dong, Xueliang Zhou, Changhui Liu, Shuai Zheng, Chao Zhang, Qiang Liu, Xin Chen
- 发表年份
- 2026
- 引用次数
- 0
- 期刊
- Robotics and Computer-Integrated Manufacturing
摘要
该论文提出了一种名为SyntheFormer的并行Transformer模型，专门处理多变量变长时间序列数据，以实现可解释的质量预测和异常溯源。模型通过并行架构和注意力机制，有效捕捉时序依赖关系，并提供了对预测结果和异常原因的清晰解释。
关键词
time seriesTransformerquality predictionanomaly tracingexplainable AI
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018