标签
该论文提出了一种由过程挖掘赋能的联邦异常检测流水线,通过计算本地节点与全局节点之间的相似度,在聚合过程中动态调整本地模型的权重,以应对工业物联网中非独立同分布(non-IID)的数据异质性问题。在制造工厂时间序列数据上的实验表明,与独立训练和 FedAvg 相比,该方法的 F1 分数分别提高了 46.52% 和 11.99%,同时误报减少了 51.24%。
本文介绍了Industrial Kinematic Trajectory Model (IKTM),一种无坐标自回归变换器,用于在不依赖绝对空间坐标的情况下生成工业环境中的真实车辆轨迹。
CoAdapt是一个基于LLM的框架,用于IIoT机器人集群中的自适应协作感知,通过动态融合控制在保持检测精度的同时将通信成本降低了38%。
本文提出了一种级联多粒度剪枝框架,用于在工业物联网边缘设备上部署大语言模型,在MHA+GELU架构上实现了高达13.8倍的压缩,且精度损失极小,同时揭示了GQA+SwiGLU设计上的性能崩溃。