<scp>LSTM</scp> ‐ <scp>iRealNVP</scp> : Enhanced industrial process monitoring via improved <scp>RealNVP</scp> flow models and fault‐free samples
Notice bibliographique
Résumé
Abstract Industrial process monitoring is the cornerstone of safe, high‐quality, and profitable production. Over the past decade, deep autoencoders have become a popular tool for extracting latent representations from high‐dimensional sensor streams. Yet every autoencoder ultimately learns a mere ‘numerical shadow’ of the data, scattering latent variables in unconstrained spaces. The resulting representations are irregular, discontinuous, and highly sensitive to noise. To address these challenges, we propose LSTM‐iRealNVP–an innovative normalizing flow framework integrating temporal feature extraction module. Our solution introduces three key advancements: (1) A mathematically rigorous invertible block, iRealNVP, replaces traditional autoencoders. By enforcing an explicit Gaussian prior through bijective transformations, it ensures constraints on latent variables. (2) A hybrid encoder merges LSTM dynamics with iRealNVP layers, simultaneously capturing non‐linear temporal dependencies and regularizing the latent space into a smooth, unimodal distribution. (3) An anomaly score derived directly from the exact log‐likelihood employs an adaptive threshold and remains robust across varying operating modes. Extensive validation on two industrial benchmarks confirms the transformative impact of these contributions. On the Tennessee Eastman process, LSTM‐iRealNVP pushes the detection rate to 82.41% while suppressing false alarms to 3.06%. On a full‐scale wastewater treatment plant, the method attains a near‐perfect detection rate of 99.75% at a false‐alarm rate of merely 0.8%, outperforming state‐of‐the‐art monitors. These results demonstrate that principled, likelihood‐driven representations can simultaneously elevate detection sensitivity and operational stability, setting a new performance frontier for industrial anomaly detection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».