LEARNING📊 0 引用
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
Robotics and Computer-Integrated Manufacturing · 2026
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
开放获取📊 1 引用
面向学习与规划的并行可微可达性：具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛：基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026