論文の概要: Hidden Markov Models and their Application for Predicting Failure Events

• arxiv url: http://arxiv.org/abs/2005.09971v1
• Date: Wed, 20 May 2020 11:30:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-01 04:37:09.419598
• Title: Hidden Markov Models and their Application for Predicting Failure Events
• Title（参考訳）: 隠れマルコフモデルとその障害イベント予測への応用
• Authors: Paul Hofmann and Zaid Tashman
• Abstract要約: マルコフ混合会員モデルを用いて資産の劣化を予測する方法を示す。 我々のアプローチでは、状態の観測分布は、すべての状態間で共有される小さな(より単純な)分布の有限混合分布である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We show how Markov mixed membership models (MMMM) can be used to predict the degradation of assets. We model the degradation path of individual assets, to predict overall failure rates. Instead of a separate distribution for each hidden state, we use hierarchical mixtures of distributions in the exponential family. In our approach the observation distribution of the states is a finite mixture distribution of a small set of (simpler) distributions shared across all states. Using tied-mixture observation distributions offers several advantages. The mixtures act as a regularization for typically very sparse problems, and they reduce the computational effort for the learning algorithm since there are fewer distributions to be found. Using shared mixtures enables sharing of statistical strength between the Markov states and thus transfer learning. We determine for individual assets the trade-off between the risk of failure and extended operating hours by combining a MMMM with a partially observable Markov decision process (POMDP) to dynamically optimize the policy for when and how to maintain the asset.
• Abstract（参考訳）: マルコフ混合会員モデル(MMMM)を用いて資産の劣化を予測する方法について述べる。 個々の資産の劣化経路をモデル化し、全体の失敗率を予測する。 各隠れた状態に対する個別の分布の代わりに、指数関数族内の分布の階層的混合を用いる。 我々のアプローチでは、状態の観測分布は、すべての状態間で共有される小さな(より単純な)分布の有限混合分布である。 結合混合観測分布を用いると、いくつかの利点が得られる。 混合物は典型的に非常にスパースな問題の正規化として機能し、発見すべき分布が少ないため、学習アルゴリズムの計算労力を削減する。 共有混合を使用することで、マルコフ状態間の統計強度の共有が可能になり、学習の伝達が可能になる。 個々の資産に対して,mmmmと部分可観測マルコフ決定プロセス(pomdp)を組み合わせることで,障害リスクと長時間の運用時間のトレードオフを判断し,資産の維持時期と維持方法についてのポリシーを動的に最適化する。

関連論文リスト

• Distributional MIPLIB: a Multi-Domain Library for Advancing ML-Guided MILP Methods [14.819629773624348]
  混合線形プログラミング(MILP)は最適化問題をモデル化するための基本的なツールである。 このアプローチの人気は高まっているが、同様のMILPインスタンスのディストリビューションを提供する共通のリポジトリがない。 ML誘導MILP法を進化させるための問題分散ライブラリであるDistributedal MIPLIBを紹介する。
  論文  参考訳（メタデータ） (2024-06-11T05:25:38Z)
• Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
  異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。 異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
  論文  参考訳（メタデータ） (2024-04-24T09:04:36Z)
• Ensemble Modeling for Multimodal Visual Action Recognition [50.38638300332429]
  マルチモーダル動作認識のためのアンサンブルモデリング手法を提案する。 我々は,MECCANO[21]データセットの長期分布を処理するために,焦点損失の変種を用いて,個別のモダリティモデルを個別に訓練する。
  論文  参考訳（メタデータ） (2023-08-10T08:43:20Z)
• Scalable Dynamic Mixture Model with Full Covariance for Probabilistic Traffic Forecasting [16.04029885574568]
  時間変化誤差過程に対するゼロ平均ガウス分布の動的混合を提案する。 提案手法は,学習すべきパラメータを数つ追加するだけで,既存のディープラーニングフレームワークにシームレスに統合することができる。 提案手法を交通速度予測タスク上で評価し,提案手法がモデル水平線を改良するだけでなく,解釈可能な時間相関構造も提供することを発見した。
  論文  参考訳（メタデータ） (2022-12-10T22:50:00Z)
• Cooperative Distribution Alignment via JSD Upper Bound [7.071749623370137]
  教師なし分布アライメントは、2つ以上のソース分布を共有整列分布にマッピングする変換を推定する。 このタスクには、生成モデリング、教師なしドメイン適応、社会的に認識された学習など、多くの応用がある。 我々は,従来のフローベースアプローチを,単一の非逆数フレームワークで統一し,一般化することを提案する。
  論文  参考訳（メタデータ） (2022-07-05T20:09:03Z)
• DQMIX: A Distributional Perspective on Multi-Agent Reinforcement Learning [122.47938710284784]
  協調的マルチエージェントタスクでは、エージェントのチームがアクションを取り、報酬を受け取り、次の状態を観察し、環境と共同で対話する。 既存の価値に基づく多エージェント強化学習手法のほとんどは、個々のQ値とグローバルQ値の期待をモデル化するのみである。
  論文  参考訳（メタデータ） (2022-02-21T11:28:00Z)
• A Unified Framework for Multi-distribution Density Ratio Estimation [101.67420298343512]
  バイナリ密度比推定(DRE)は多くの最先端の機械学習アルゴリズムの基礎を提供する。 ブレグマン最小化の発散の観点から一般的な枠組みを開発する。 我々のフレームワークはバイナリDREでそれらのフレームワークを厳格に一般化する手法に導かれることを示す。
  論文  参考訳（メタデータ） (2021-12-07T01:23:20Z)
• Robust Learning of Optimal Auctions [84.13356290199603]
  本研究では、入札者の評価値のサンプルを逆向きに破損させたり、逆向きに歪んだ分布から引き出すことができる場合に、サンプルから収益-最適マルチバイダオークションを学習する問題について検討する。 我々は,コルモゴロフ-スミルノフ距離における元の分布に対して$alpha$-closeの「全ての真の分布」に対して,収入がほぼ同時に最適であるメカニズムを学習できる新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-07-13T17:37:21Z)
• Distributional Reinforcement Learning via Moment Matching [54.16108052278444]
  ニューラルネットワークを用いて各戻り分布から統計量の有限集合を学習する手法を定式化する。 我々の手法は、戻り分布とベルマン目標の間のモーメントの全ての順序を暗黙的に一致させるものとして解釈できる。 Atariゲームスイートの実験により,本手法は標準分布RLベースラインよりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-07-24T05:18:17Z)
• On the benefits of defining vicinal distributions in latent space [20.249590931872568]
  MT(Mixup Training)は、トレーニング例間のグローバルな線形挙動を導入し、モデルの一般化性能を向上させる。 我々は、データに基づく潜在多様体を用いて、混合画像をよりよくサンプリングするための新しいアプローチである textitVarMixup (Variational Mixup) を提案する。 CIFAR-10, CIFAR-100, Tiny-ImageNet に関する実証研究により, VAE が学習した潜伏多様体の混合により訓練されたモデルは, 本質的に様々な入力の破損/摂動に対してより堅牢であり, 校正精度が著しく向上し, 局所的な損失景観がより顕著であることを示した。
  論文  参考訳（メタデータ） (2020-03-14T06:45:26Z)

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。