面向工业流程异常检测的均衡循环神经网络

来源：计算机集成制造系统杂志2024年第12期北京时间：

作者：许荣斌, 章宇, 谢莹, 刘志强, 张以文, 闻立杰

单位：1.莆田学院机电与信息工程学院2.安徽大学计算机科学与技术学院3.清华大学软件学院

摘要：智能制造的迅速发展给网络安全防护带来了巨大的机遇与挑战,各类安全威胁会造成严重的损失甚至灾难,已成为工业互联网亟待解决的问题。鉴于此,提出一种新的均衡循环神经网络,利用神经网络的适应性特点,采用长短期记忆网络(LSTM)的门电路特性,针对工业互联网流数据随着时间推移异常检测准确性较低的问题,通过不同权重与当前输入数据重构得出遗忘门控、输入门控和输出门控。随后通过sigmoid激活函数求得预测结果,并将该结果作为门控循环单元网络(GRU)的网络层输入,由GRU网络层促使当前网络快速拟合,从而较快地获得较优的参数。本方法结合LSTM和GRU的优势,保留LSTM最后时刻的隐藏状态,作为下一层网络GRU的输入,使网络层的连接更加平滑,最大程度地保留LSTM所学习到的参数,获取隐藏特征,既可提高神经网络的精度,又可高效、快速地检测工业互联网络的异常。

关键词：循环神经网络,长短期记忆,门控循环单元,工业互联网,异常检测

基金资助：国家自然科学基金资助项目(62276146);教育部人文社会科学研究基金资助项目(20YJCZH197);福建省自然科学基金资助项目(2020J01923,2021J011111);莆田市科技计划资助项目(2020GP003)。