VIP8
本课程属于：079-工业时序数据与异常检测 智能机器人、自动化与智能装备工程 · 共 8 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

TinyML时序自编码器异常检测部署指南

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
学习目标 · 适用人群 · 课程结构
课程导入学习目标
02
时序数据基础
时间序列的定义 · 特征（趋势 · 季节性
时序数据基础时间序列的定义
03
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
04
自编码器原理
自编码器的结构（编码器 · 解码器） · 损失函数
自编码器原理自编码器的结构
05
时序自编码器设计
针对时序数据的自编码器架构选择（LS… · TCN · Transformer）
时序自编码器设计LS
06
TinyML简介
TinyML的定义 · 边缘设备约束（内存 · 算力
TinyML简介
07
开发环境搭建
安装Python · TensorFlow Lite Mi… · Arduino IDE
开发环境搭建Python
08
数据准备与预处理
时序数据清洗 · 缺失值处理 · 归一化
数据准备预处理
09
自编码器模型训练
使用TensorFlow/Keras… · 训练过程 · 超参数调优
自编码器模型训练TensorFlow/K…
10
模型评估与阈值选择
重建误差分布分析 · 选择异常阈值（百分位数 · ROC曲线）
模型评估阈值选择
11
模型压缩与量化
权重剪枝 · 量化（int8） · 知识蒸馏
模型压缩量化
12
TensorFlow Lite Micro部署
将量化模型转换为C++数组 · 部署到微控制器 · 内存管理
TensorFlowLite
13
实时数据采集与流处理
传感器数据读取 · 缓冲管理 · 滑动窗口实时更新
实时数据采集流处理
14
异常检测推理实现
在设备端实现重建误差计算 · 阈值比较 · 异常触发逻辑
异常检测推理实现设备端实现重建误…
15
案例实战
工业振动数据异常检测 · 构建自编码器 · 部署到ESP32
案例实战工业振动数据异常…
16
案例实战
环境监测（温湿度）异常检测：数据采集 · 模型训练 · 部署到Arduino Nano 33…
案例实战环境监测
17
案例实战
心电（ECG）信号异常检测 · 处理长序列 · 部署到STM32
案例实战ECG
18
案例实战
设备预测性维护：基于传感器时序数据 · 多传感器融合 · 异常预警系统设计
案例实战设备预测性维护
19
常见问题与调试
模型不收敛 · 量化精度损失 · 内存溢出
常见问题调试
20
性能优化
模型结构优化（减少层数 · 参数） · 推理加速（算子优化
性能优化模型结构优化
21
边缘-云协同
设备端异常检测与云端模型更新 · 数据回传 · 联邦学习概念
边缘云协同
22
安全与隐私
设备端数据加密 · 模型保护 · 对抗样本攻击与防御
安全隐私
23
项目实战
端到端异常检测系统：从需求分析 · 数据采集 · 模型训练
项目实战端到端异常检测系…
24
综合练习
给定一个时序数据集 · 独立完成自编码器异常检测模型的设计 · 训练
综合练习给定一个时序数据…
25
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
26
拓展
自编码器变体在TinyML中的应用 · 对抗自编码器（AAE）在边缘设备上的…
拓展TinyML
27
拓展
其他时序异常检测模型在TinyML中… · One-Class SVM · LSTM预测模型与自编码器的比较
拓展TinyML
28
拓展
多变量时序异常检测：多传感器数据融合 · 通道注意力机制 · 模型部署注意事项
拓展多变量时序异常检…
29
拓展
实时性要求高的场景：流式异常检测 · 在线学习 · 模型热更新
拓展实时性要求高的场…
30
综合提升
设计一个创新TinyML异常检测应用 · 从问题定义到部署 · 并撰写技术报告
综合提升TinyML