Aug, 2024
通过迁移学习进行哈德龙电磁量能器的异常检测数据质量监控
Data Quality Monitoring through Transfer Learning on Anomaly Detection
for the Hadron Calorimeters
TL;DR本研究针对数据稀疏性和模型复杂性造成的数据分析平台部署困难的问题，提出了一种利用迁移学习改进异常检测的创新方法。研究表明，通过在半监督自编码器中转移训练的时空异常检测模型，能够显著提高目标子探测器的模型学习准确性，增强数据重构和异常检测性能，同时减少可训练参数，实现更强的抗异常干扰能力。