【技术实现步骤摘要】
本申请涉及工业互联网领域，尤其涉及一种模型训练方法、工业互联网异常检测方法及相关装置。
技术介绍
1、工业互联网是指将互联网技术与工业系统深度融合，通过传感器、通信技术、大数据分析以及云计算等手段，来提高工业生产效率、优化资源配置和促进创新的网络体系。
2、目前，在工业互联网运行过程中，可以利用训练好的异常检测模型对工业互联网进行异常检测。其中，异常检测模型通常是基于机器学习或深度学习的方法进行训练获得的，但获得的异常检测模型的泛化能力较差。
技术实现思路
1、本申请实施例提供一种模型训练方法、工业互联网异常检测方法及相关装置，以解决通过目前技术获得的异常检测模型的泛化能力较差的问题。
2、第一方面，本申请实施例提供一种模型训练方法，用于训练异常检测模型，异常检测模型包括域投影模块、特征混合增强模块、异常检测模块和特征对齐模块，模型训练方法包括：获取训练样本，训练样本包括多个时序数据样本，多个时序数据样本是在工业互联网的不同任务处于正常运行状态下分别对不同任务的运行...
【技术保护点】
1.一种模型训练方法，其特征在于，用于训练异常检测模型，所述异常检测模型包括域投影模块、特征混合增强模块、异常检测模块和特征对齐模块，所述模型训练方法包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述将多个所述目标特征输入所述特征混合增强模块进行特征混合增强处理，得到所述特征混合增强模块输出的多个所述目标维度的正特征和负特征，包括：
3.根据权利要求1所述的模型训练方法，其特征在于，所述基于多个所述目标特征之间的第一对齐损失、多个所述块内表征之间的第二对齐损失以及所述表征损失，确定目标损失，包括：
4.根据权利要求1至3...
【技术特征摘要】
1.一种模型训练方法，其特征在于，用于训练异常检测模型，所述异常检测模型包括域投影模块、特征混合增强模块、异常检测模块和特征对齐模块，所述模型训练方法包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述将多个所述目标特征输入所述特征混合增强模块进行特征混合增强处理，得到所述特征混合增强模块输出的多个所述目标维度的正特征和负特征，包括：
3.根据权利要求1所述的模型训练方法，其特征在于，所述基于多个所述目标特征之间的第一对齐损失、多个所述块内表征之间的第二对齐损失以及所述表征损失，确定目标损失，包括：
4.根据权利要求1至3中任一项所述的模型训练方法，其特征在于，所述域投影模块包括第一投影器和第二投影器，所述将所述多个时序数据样本输入所述域投影模块进行统一维度的特征提取，得到所述域投影模块输出的每个所述时序数据样本对应的目标维度的目标特征，包括：
5.根据权利要求1至3中任一项所述的模...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。