VIP20
本课程属于：016-TinyML异常检测与预测性维护 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

8. TinyML无监督异常检测：缺少故障样本时的建模策略

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
TinyML与无监督异常检测的背景 · 学习目标 · 课程整体框架
课程导入TinyML
02
异常检测基础
异常的定义 · 类型（点异常 · 上下文异常
异常检测基础异常的定义
03
无监督学习核心概念
无监督学习与监督/半监督学习的区别 · 为何在缺少故障样本时选择无监督
无监督学习核心概…无监督学习
04
TinyML约束与挑战
资源受限（内存 · 算力 · 功耗）对异常检测算法的影响
TinyML约束
05
数据准备与预处理
传感器数据采集 · 清洗 · 归一化
数据准备预处理
06
基于统计的方法
均值/方差 · Z-score · Grubbs检验等经典统计异常检测原…
基于统计的方法均值
07
基于距离的方法
K近邻 · 局部离群因子（LOF）在TinyML…
基于距离的方法K近邻
08
基于密度的方法
DBSCAN · 孤立森林（Isolation For…
基于密度的方法DBSCAN
09
基于重构的方法
自编码器（Autoencoder）原… · 训练策略及异常分数计算
基于重构的方法Autoencoder
10
基于预测的方法
时序预测（如ARIMA · LSTM）与残差分析用于异常检测
基于预测的方法ARIMA
11
轻量化模型设计
模型剪枝 · 量化 · 知识蒸馏在TinyML异常检测中的应…
轻量化模型设计模型剪枝
12
特征工程与降维
主成分分析（PCA） · t-SNE在资源受限环境下的简化使用
特征工程降维
13
无监督异常检测的评估指标
准确率 · 召回率 · F1-score
无监督异常检测的…准确率
14
阈值选择策略
如何在没有故障样本的情况下确定异常判… · 极值理论）
阈值选择策略如何
15
实时性与延迟优化
流式数据处理 · 在线学习与增量更新策略
实时性延迟优化
16
案例实战
基于加速度计的电机振动异常检测（使用…
案例实战基于加速度计的电…
17
案例实战
基于温度/湿度传感器的环境异常检测（…
案例实战基于温度
18
案例实战
基于麦克风的音频异常检测（使用孤立森…
案例实战基于麦克风的音频…
19
案例实战
基于IMU的人体活动异常检测（使用K…
案例实战IMU
20
TinyML框架与工具
TensorFlow Lite Mi… · Edge Impulse · Arduino Nano 33 BL…
TinyML框架
21
模型部署与优化
将训练好的无监督模型部署到MCU · 处理内存和计算限制
模型部署优化
22
常见问题与调试
数据漂移 · 模型过拟合 · 误报漏报的调优方法
常见问题调试
23
多传感器融合
如何结合多个传感器信号提升异常检测鲁…
多传感器融合如何结合多个传感…
24
无监督异常检测的局限性
哪些场景不适合 · 如何结合少量标签进行半监督改进
无监督异常检测的…哪些场景不适合
25
综合项目设计
从数据采集到部署的完整流程 · 设计一个端到端的TinyML异常检测…
综合项目设计从数据采集到部署…
26
前沿进展
联邦学习 · 元学习 · 自监督学习在TinyML异常检测中的…
前沿进展联邦学习
27
课程总结
核心知识点回顾 · 常见误区 · 学习路径建议
课程总结核心知识点回顾
28
实战作业
使用公开数据集（如NASA轴承数据）…
实战作业NASA
29
拓展阅读
推荐 · 书籍 · 开源项目及社区资源
拓展阅读推荐
30
结课测试
综合选择题与简答题 · 检验对无监督异常检测策略的掌握程度
结课测试综合选择题