面向异常数据识别的轻量级神经网络模型设计研究
陈杰威

广东理工学院，广东肇庆，526100；

摘要：异常数据识别是数据挖掘、工业无损检测、网络安全与物联网感知领域的基础性任务，核心目标为识别偏离数据集固有分布模式的样本。传统深度神经网络在异常识别任务中具备优异的非线性特征表征能力，但普遍存在参数量冗余、计算开销大、嵌入式硬件适配困难等局限，难以部署在算力、存储与功耗受限的边缘终端设备。轻量级神经网络通过网络结构重构、计算单元优化、模型参数压缩等手段，在尽可能保留特征提取能力的前提下降低推理成本，现已成为边缘端异常检测的重要研究方向。本文系统归纳面向异常识别任务的轻量级网络设计范式，梳理轻量化核心技术路径，分类总结时序、图像与通用边缘场景下的模型架构；剖析当前研究存在的检测精度与模型体量难以兼顾、未知异常泛化能力不足、复杂工况鲁棒性较弱等瓶颈；最后探讨该领域未来重点发展方向，为边缘实时异常检测模型的设计、优化与工程落地提供理论参考。

关键词：异常数据识别；轻量级神经网络；模型压缩

参考文献

[1]王洋.面向神经形态视觉的脉冲神经网络模型设计与应用研究[D].大连理工大学,2025.

[2]庞艳华.面向在轨目标检测识别的神经网络轻量化设计方法研究[D].哈尔滨工业大学,2024.

[3]崔洋.面向神经网络大模型的多芯粒加速器设计研究[D].湖北工业大学[2026-09-30].

[4]蓝邱宇翔.面向灵活光网络中调制格式识别的光神经网络设计与研究[D].北京邮电大学[2026-09-30].

[5]曲恒,张云旎.面向通信信号的双分支卷积神经网络设计及SNR识别优化研究[J].信息技术时代,2025(18):1-3.

[6]韩建宁,李天太,薛中天,等.人工神经网络在试井解释模型识别中的研究及软件设计[C]//3计划智能计算机主题学术会议.中国计算机学会,2001.

[7]赵晓一.面向手过头作业的残差神经网络肌肉疲劳预测模型研究及设计实践[D].青岛大学,2024.