CAPP Transformer

新的半监督学习在数据稀疏环境下提升CAPP Transformer模型性能

研究人员开发了一种新颖的半监督学习方法，以增强基于Transformer的计算机辅助工艺规划（CAPP）模型，特别是在数据稀缺的制造环境中。该方法利用一个“神谕”来过滤未见过零件的准确预测，然后用于重新训练，从而在无需大量手动标注的情况下提高模型泛化能力。实验表明，与基线方法相比，准确性持续提高，凸显了该技术在改进CAPP Transformer模型方面的有效性。