基于机器学习的纺粘无纺布均匀性优化工作流程及人工验证
原文中文，约300字，阅读约需1分钟。发表于：。通过基于机器学习的优化工作流，基于数学模型模拟非织造布的微结构，并利用机器学习算法找到非织造布的时间消耗较少的代理模型，通过人工验证，将科学和专家知识融入到训练数据中，以降低优化过程中的计算成本，从而优化非织造布的均匀性。
本研究提出了一种基于模式的无监督纺织品异常检测方法，结合了传统卷积神经网络和无监督学习范式的优点。该方法包括预处理、自动模式周期提取、补丁提取、特征选择和异常检测等五个主要步骤。我们的算法在 Patterned Fabrics 基准数据集上展示了可靠和有竞争力的结果，并且具有较低的计算成本和高效的训练时间。
