Краткое содержание

arXiv:2508.16634v2 Тип анонса: replace Аннотация: Многократное добавочное распознавание неисправностей с малым числом примеров (FSC-FD), целью которого является непрерывное обучение на новых классах неисправностей с использованием всего нескольких образцов без забывания предыдущих, имеет критическое значение для реальных промышленных систем. Однако эта сложная задача существенно усугубляет проблемы катастрофического забывания старого знания и переобучения на скудных новых данных. Для решения этих проблем в данной статье предлагается новая структура, основанная на двузернистых представлениях, под названием Сеть с Двузернистой Направляющей (DGGN). Наша DGGN явно разделяет обучение признаков на два параллельных потока: 1) поток признаков мелкой зернистости, который использует новый модуль Агрегации Многорангового Взаимодействия для извлечения дискриминативных, специфичных для класса признаков из ограниченного количества новых образцов; 2) поток признаков крупной зернистости, предназначенный для моделирования и сохранения общих, не зависящих от класса знаний, общих для всех типов неисправностей. Эти два представления