Fugu-MT 論文翻訳(概要): Quantum Computing Assisted Deep Learning for Fault Detection and Diagnosis in Industrial Process Systems

論文の概要: Quantum Computing Assisted Deep Learning for Fault Detection and Diagnosis in Industrial Process Systems

arxiv url: http://arxiv.org/abs/2003.00264v2
Date: Fri, 2 Oct 2020 02:44:48 GMT
ステータス: 処理完了
システム内更新日: 2022-12-27 20:43:46.336087
Title: Quantum Computing Assisted Deep Learning for Fault Detection and Diagnosis in Industrial Process Systems
Title（参考訳）: 産業プロセスシステムにおける故障検出と診断のための量子コンピューティング支援深層学習
Authors: Akshay Ajagekar, Fengqi You
Abstract要約: 本稿では,QCに基づく断層診断のためのディープラーニング手法を提案する。深部信頼ネットワークは,提案した故障診断モデルに統合される。提案したQCに基づくディープラーニング手法は,優れた故障検出と診断性能を享受できる。
参考スコア（独自算出の注目度）: 2.5699371511994777
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Quantum computing (QC) and deep learning techniques have attracted widespread attention in the recent years. This paper proposes QC-based deep learning methods for fault diagnosis that exploit their unique capabilities to overcome the computational challenges faced by conventional data-driven approaches performed on classical computers. Deep belief networks are integrated into the proposed fault diagnosis model and are used to extract features at different levels for normal and faulty process operations. The QC-based fault diagnosis model uses a quantum computing assisted generative training process followed by discriminative training to address the shortcomings of classical algorithms. To demonstrate its applicability and efficiency, the proposed fault diagnosis method is applied to process monitoring of continuous stirred tank reactor (CSTR) and Tennessee Eastman (TE) process. The proposed QC-based deep learning approach enjoys superior fault detection and diagnosis performance with obtained average fault detection rates of 79.2% and 99.39% for CSTR and TE process, respectively.
Abstract（参考訳）: 量子コンピューティング(qc)とディープラーニング技術は近年広く注目を集めている。本稿では,従来のコンピュータにおけるデータ駆動手法による計算課題を克服するために,その特徴を生かしたQCに基づく欠陥診断のためのディープラーニング手法を提案する。深部信頼ネットワークは,提案した故障診断モデルに統合され,正常および故障プロセス操作の異なるレベルの特徴抽出に使用される。 qcベースの障害診断モデルは、量子コンピューティング支援生成訓練プロセスと、古典的アルゴリズムの欠点に対処する識別訓練を用いる。本手法の適用性および効率性を示すため, 提案した故障診断法を, 連続加熱炉 (CSTR) およびテネシー・イーストマン (TE) プロセスのプロセスモニタリングに応用した。提案したQCに基づくディープラーニング手法は,CSTR法とTE法でそれぞれ79.2%,99.39%の平均故障検出率で優れた故障検出と診断性能を享受する。

関連論文リスト

Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文参考訳（メタデータ） (2024-11-13T12:03:39Z)
Parametrized Energy-Efficient Quantum Kernels for Network Service Fault Diagnosis [0.49157446832511503]
その結果,従来の手法に比べて性能が向上し,性能が向上した。量子カーネルの実験的検証はIBMの超伝導量子コンピュータであるIBM-Kawasakiを用いて行われた。
論文参考訳（メタデータ） (2024-05-15T23:06:47Z)
A Sparse Bayesian Learning for Diagnosis of Nonstationary and Spatially Correlated Faults with Application to Multistation Assembly Systems [3.4991031406102238]
本稿では,空間的に相関したスパースベイズ学習(CSSBL)をクラスタリングする新しい故障診断手法を提案する。提案手法の有効性は,実際の自己体組立システムを用いた数値および実世界のケーススタディによって検証される。提案手法の一般化により,コミュニケーションや医療システムなど他の領域の故障診断に応用できる。
論文参考訳（メタデータ） (2023-10-20T23:56:53Z)
Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文参考訳（メタデータ） (2023-06-02T01:46:31Z)
An Evaluation of Lightweight Deep Learning Techniques in Medical Imaging for High Precision COVID-19 Diagnostics [0.0]
決定支援システムは、画像の物理的検査に固有の課題を緩和する。ほとんどのディープラーニングアルゴリズムは、リソース制約のあるデバイスの実装には適していない。本稿では,MobileNetV2モデルを用いた新型コロナウイルス検出のための軽量深層学習手法の開発と評価について述べる。
論文参考訳（メタデータ） (2023-05-30T13:14:03Z)
An Evidential Real-Time Multi-Mode Fault Diagnosis Approach Based on Broad Learning System [26.733033919978364]
本稿では,産業システムにおけるリアルタイムマルチモード故障診断のための新しい手法を提案する。提案手法では,拡張エビデンス推論 (ER) アルゴリズムを用いて情報を融合し,異なる基底分類器から出力をマージする。提案手法の有効性は、マルチモードのテネシー・イーストマンプロセスデータセット上で実証される。
論文参考訳（メタデータ） (2023-04-29T04:42:44Z)
Efficient Deep Reinforcement Learning Requires Regulating Overfitting [91.88004732618381]
本稿では,高時間差(TD)誤差が深部RLアルゴリズムの性能に悪影響を及ぼす主要な原因であることを示す。検証TDエラーをターゲットとした簡単なオンラインモデル選択法は,状態ベースDMCおよびGymタスク間で有効であることを示す。
論文参考訳（メタデータ） (2023-04-20T17:11:05Z)
NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文参考訳（メタデータ） (2022-06-02T07:57:17Z)
Quality control for more reliable integration of deep learning-based image segmentation into medical workflows [0.23609258021376836]
本稿では,その出力の確実性を推定するために,最先端自動品質制御(QC)手法の解析を行う。磁気共鳴画像データにおける白色物質の超強度(WMH)を識別する脳画像分割タスクにおける最も有望なアプローチを検証した。
論文参考訳（メタデータ） (2021-12-06T16:30:43Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)
ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文参考訳（メタデータ） (2020-05-11T16:29:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。