Fugu-MT 論文翻訳(概要): Machine learning model to cluster and map tribocorrosion regimes in feature space

論文の概要: Machine learning model to cluster and map tribocorrosion regimes in feature space

arxiv url: http://arxiv.org/abs/2006.06252v2
Date: Fri, 12 Jun 2020 02:26:53 GMT
ステータス: 処理完了
システム内更新日: 2022-11-22 14:41:51.883963
Title: Machine learning model to cluster and map tribocorrosion regimes in feature space
Title（参考訳）: 特徴空間におけるトライボコローションレジームのクラスタ化とマップ化のための機械学習モデル
Authors: Rahul Ramachandran
Abstract要約: 本稿では,トライボコロージョンマップを生成するための機械学習アプローチを提案する。教師なし機械学習は、トライボコロージョン実験データからクラスターを特定し、ラベル付けするために用いられる。トレーニングされたSVMは、トライボコロージョンマップを生成するために使用される。
参考スコア（独自算出の注目度）: 0.5076419064097732
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Tribocorrosion maps serve the purpose of identifying operating conditions for acceptable rate of degradation. This paper proposes a machine learning based approach to generate tribocorrosion maps, which can be used to predict tribosystem performance. First, unsupervised machine learning is used to identify and label clusters from tribocorrosion experimental data. The identified clusters are then used to train a support vector classification model. The trained SVM is used to generate tribocorrosion maps. The generated maps are compared with the standard maps from literature.
Abstract（参考訳）: トライボコロージョンマップは、許容される劣化率の操作条件を特定するのに役立つ。本稿では,トライボシステム性能の予測に使用可能なトライボコローションマップを生成するための機械学習手法を提案する。まず、教師なし機械学習を使用して、トライボコローション実験データからクラスタを識別およびラベル付けする。識別されたクラスタは、サポートベクトル分類モデルのトレーニングに使用される。トレーニングされたSVMは、トライボコロージョンマップを生成するために使用される。生成された地図は、文献の標準地図と比較される。

関連論文リスト

Remote sensing framework for geological mapping via stacked autoencoders and clustering [0.15833270109954137]
リモートセンシングデータを処理するための教師なし機械学習ベースのフレームワークを提案する。オーストラリアのムタウィンチ地域の地質マッピングの枠組みを評価するために,ランドサット8,ASTER,Sentinel-2のデータセットを用いた。本研究により, 岩盤単位を効率的に識別し, 高精度かつ解釈可能な地質図を作成できることが判明した。
論文参考訳（メタデータ） (2024-04-02T09:15:32Z)
Self-Supervised Clustering on Image-Subtracted Data with Deep-Embedded Self-Organizing Map [0.0]
自己教師型機械学習モデルであるdeep-embedded self-organizing map (DESOM)を実ボガス分類問題に適用する。我々は異なるモデルトレーニング手法を実証し、最良のDESOM分類器は検出率6.6%、偽陽性率1.5%を示した。
論文参考訳（メタデータ） (2022-09-14T02:37:06Z)
CARLA-GeAR: a Dataset Generator for a Systematic Evaluation of Adversarial Robustness of Vision Models [61.68061613161187]
本稿では,合成データセットの自動生成ツールであるCARLA-GeARについて述べる。このツールは、Python APIを使用して、CARLAシミュレータ上に構築されており、自律運転のコンテキストにおいて、いくつかのビジョンタスク用のデータセットを生成することができる。本稿では,CARLA-GeARで生成されたデータセットが,現実世界の敵防衛のベンチマークとして今後どのように利用されるかを示す。
論文参考訳（メタデータ） (2022-06-09T09:17:38Z)
Investigating classification learning curves for automatically generated and labelled plant images [0.1338174941551702]
本研究では,異なる生育段階のマニトバ草原に共通する作物や雑草を代表とする植物画像のデータセットを提示する。本稿では、ResNetアーキテクチャを用いて、このデータに基づく分類タスクの学習曲線を決定する。ラベルノイズとトレーニング可能なパラメータの低減が,このデータセットの学習曲線に与える影響について検討する。
論文参考訳（メタデータ） (2022-05-22T23:28:42Z)
Smoothed Embeddings for Certified Few-Shot Learning [63.68667303948808]
我々はランダムな平滑化を数ショットの学習モデルに拡張し、入力を正規化された埋め込みにマッピングする。この結果は、異なるデータセットの実験によって確認される。
論文参考訳（メタデータ） (2022-02-02T18:19:04Z)
AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
論文参考訳（メタデータ） (2022-01-31T20:02:22Z)
CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文参考訳（メタデータ） (2021-06-20T08:20:56Z)
CutPaste: Self-Supervised Learning for Anomaly Detection and Localization [59.719925639875036]
通常のトレーニングデータのみを用いて異常検知器を構築するためのフレームワークを提案する。まず、自己教師付き深層表現を学習し、学習した表現の上に生成的1クラス分類器を構築する。 MVTec異常検出データセットに関する実証研究は,提案アルゴリズムが実世界の様々な欠陥を検出可能であることを実証している。
論文参考訳（メタデータ） (2021-04-08T19:04:55Z)
Contagion Dynamics for Manifold Learning [0.0]
感染マップは閾値の感染における活性化時間を利用して、高次元ユークリッド空間のベクトルをネットワークのノードに割り当てる。我々は,様々な実世界および合成データセット上で,多様体学習ツールとしての感染マップを検証した。特定の条件下では、畳み込み写像はノイズによる誤差によりイソマプが失敗するのに対して、ノイズデータにおいて基礎となる多様体構造を確実に検出することができる。
論文参考訳（メタデータ） (2020-11-30T20:58:21Z)
Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。我々は,再建基準の代替として,異常スコアの代替尺度を提案した。提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。