محققان در مطالعهای جدید، روشی نوآورانه به نام DPR-GM را معرفی کردهاند که به طور خاص برای شناسایی خطاها در سیستمهای سایبری-فیزیکی (CPS) طراحی شده است.
چالش اصلی در محیطهای صنعتی، کمبود دادههای برچسبدار و نویز زیاد است که باعث میشود مدلهای گرافمحور سنتی دچار خطا شوند. نوآوری این روش در استفاده از مدلهای زبانی (LLM) برای استخراج دانش فیزیکی سیستم و ترکیب آن با همبستگیهای آماری است.
نتیجه؟ یک مدل دقیقتر و پایدارتر برای مانیتورینگ صنعتی که بدون نیاز به پارامترهای یادگیری پیچیده، در بنچمارکهای مختلف عملکرد درخشانی داشته است. این گام بزرگی برای افزایش ضریب اطمینان در کارخانههای هوشمند است. 🏭✨
منبع: arXiv Machine Learning