論文の概要: An ensemble classifier for vibration-based quality monitoring

• arxiv url: http://arxiv.org/abs/2007.08789v2
• Date: Fri, 20 Nov 2020 20:01:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 12:55:20.632721
• Title: An ensemble classifier for vibration-based quality monitoring
• Title（参考訳）: 振動に基づく品質モニタリングのためのアンサンブル分類器
• Authors: Vahid Yaghoubi, Liangliang Cheng, Wim Van Paepegem, Mathias Kersemans
• Abstract要約: 本稿では, 証拠のデンプスター・シェーファー理論に基づく新しいアンサンブル分類器を開発する。 提案フレームワークの有効性は、15UCIおよびKEEL機械学習データセットに適用することで検証される。
• 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: Vibration-based quality monitoring of manufactured components often employs pattern recognition methods. Albeit developing several classification methods, they usually provide high accuracy for specific types of datasets, but not for general cases. In this paper, this issue has been addressed by developing a novel ensemble classifier based on the Dempster-Shafer theory of evidence. To deal with conflicting evidences, three remedies are proposed prior to combination: (i) selection of proper classifiers by evaluating the relevancy between the predicted and target outputs, (ii) devising an optimization method to minimize the distance between the predicted and target outputs, (iii) utilizing five different weighting factors, including a new one, to enhance the fusion performance. The effectiveness of the proposed framework is validated by its application to 15 UCI and KEEL machine learning datasets. It is then applied to two vibration-based datasets to detect defected samples: one synthetic dataset generated from the finite element model of a dogbone cylinder, and one real experimental dataset generated by collecting broadband vibrational response of polycrystalline Nickel alloy first-stage turbine blades. The investigation is made through statistical analysis in presence of different levels of noise-to-signal ratio. Comparing the results with those of four state-of-the-art fusion techniques reveals the good performance of the proposed ensemble method.
• Abstract（参考訳）: 製造部品の振動に基づく品質モニタリングは、しばしばパターン認識方式を用いる。 いくつかの分類法が開発されているが、通常、特定の種類のデータセットに対して高い精度を提供するが、一般的な場合ではない。 本稿では, 証拠のデンプスター・シェーファー理論に基づく新しいアンサンブル分類器の開発によって, この問題に対処してきた。 矛盾する証拠に対処するため、組み合わせ前に3つの治療法が提案されている。 (i)予測出力と目標出力の関連性を評価した適切な分類器の選択 二 予測出力と目標出力との間の距離を最小化する最適化方法の考案 (iii)新しいものを含む5つの異なる重み付け因子を利用して核融合性能を向上させること。 提案フレームワークの有効性は、15UCIおよびKEEL機械学習データセットに適用することで検証される。 次に, イヌ骨シリンダーの有限要素モデルから生成された1つの合成データセットと, 多結晶ニッケル合金第一段タービンブレードのブロードバンド振動応答を収集した1つの実実験データセットとを用いて, 欠陥試料を検出する。 この調査は、ノイズ-信号比の異なるレベルが存在する場合の統計的解析によって行われる。 この結果と4つの最先端核融合技術との比較により,提案手法の有効性が示された。

関連論文リスト

• Fine tuning Pre trained Models for Robustness Under Noisy Labels [34.68018860186995]
  トレーニングデータセットにノイズの多いラベルが存在することは、機械学習モデルのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、事前学習されたモデルの事前知識を頑健かつ効率的に伝達するTURNと呼ばれる新しいアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2023-10-24T20:28:59Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
  我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。 また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
  論文  参考訳（メタデータ） (2022-11-03T08:18:27Z)
• Neighborhood Collective Estimation for Noisy Label Identification and Correction [92.20697827784426]
  ノイズラベルを用いた学習(LNL)は,ノイズラベルに対するモデルオーバーフィットの効果を軽減し,モデル性能と一般化を改善するための戦略を設計することを目的としている。 近年の進歩は、個々のサンプルのラベル分布を予測し、ノイズ検証とノイズラベル補正を行い、容易に確認バイアスを生じさせる。 提案手法では, 候補サンプルの予測信頼性を, 特徴空間近傍と対比することにより再推定する。
  論文  参考訳（メタデータ） (2022-08-05T14:47:22Z)
• Fault Detection and Diagnosis with Imbalanced and Noisy Data: A Hybrid Framework for Rotating Machinery [2.580765958706854]
  回転機械製造システムの保守コスト低減には, 故障診断が重要な役割を担っている。 従来のフォールト検出および診断(FDD)フレームワークは、現実の状況に対処する際のパフォーマンスが劣っている。 本稿では、上記の3つのコンポーネントを用いて、効果的な信号ベースFDDシステムを実現するハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-09T01:09:59Z)
• CNN-DST: ensemble deep learning based on Dempster-Shafer theory for vibration-based fault recognition [0.0]
  本研究では,畳み込みニューラルネットワーク(CNN)とDempster-Shafer理論(DST)に基づくアンサンブル深層学習フレームワークを提案する。 提案したCNN-DSTフレームワークを検証するために,多結晶ニッケル合金第一段タービンブレードのブロードバンド振動応答を用いて作成した実験データセットに適用した。 提案したCNN-DSTフレームワークはタービンブレードを平均予測精度97.19%で分類する。
  論文  参考訳（メタデータ） (2021-10-14T07:34:27Z)
• Quantile-based fuzzy clustering of multivariate time series in the frequency domain [2.610470075814367]
  ファジィC平均とファジィCメロイドアルゴリズムを提案する。 提案手法の性能を広範囲にわたるシミュレーション研究で評価した。 航空品質と財務データベースに関する2つの具体的な応用は、我々のアプローチの有用性を示している。
  論文  参考訳（メタデータ） (2021-09-08T15:38:33Z)
• Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing [72.4445825335561]
  任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。 ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。 提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
  論文  参考訳（メタデータ） (2021-06-11T13:03:33Z)
• Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
  マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。 ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。 マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
  論文  参考訳（メタデータ） (2020-12-29T23:43:16Z)
• A novel multi-classifier information fusion based on Dempster-Shafer theory: application to vibration-based fault detection [0.0]
  個別分類器の性能を高めるために, 新規な多重分類器融合法を開発した。 証拠間の衝突を計測し緩和するために、新しい計量に基づく前処理技術が考案された。
  論文  参考訳（メタデータ） (2020-12-04T09:16:35Z)
• Unsupervised Domain Adaptation for Acoustic Scene Classification Using Band-Wise Statistics Matching [69.24460241328521]
  機械学習アルゴリズムは、トレーニング(ソース)とテスト(ターゲット)データの分散のミスマッチの影響を受けやすい。 本研究では,ターゲット領域音響シーンの各周波数帯域の1次及び2次サンプル統計値と,ソース領域学習データセットの1次と2次サンプル統計値との整合性を有する教師なし領域適応手法を提案する。 提案手法は,文献にみられる最先端の教師なし手法よりも,ソース・ドメインの分類精度とターゲット・ドメインの分類精度の両面で優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T23:56:05Z)

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。