机构名称：
¥ 1.0
数据驱动的方法（如机器学习）可用于分析和监控复杂的制造过程，在这种过程中，仅依靠基于物理的模型进行预测的成本非常高。机器学习已被用于监控增材制造过程[21]。支持向量机（SVM）[28]、隐马尔可夫模型[29]、卷积神经网络（CNN）[6,14]和字典学习[17]等方法都得到了应用。然而，机器学习在制造应用中有几个局限性。首先，用于预测复杂系统的机器学习需要大量的训练数据，而制造业的数据收集成本高昂。其次，制造过程中收集的数据不平衡。制造过程通常在正常情况下进行，而数据收集的成本很高。
用于增材制造过程监控的量子机器学习
主要关键词
相关文件推荐
