論文の概要: Explainable Artificial Intelligence Based Fault Diagnosis and Insight
Harvesting for Steel Plates Manufacturing
- arxiv url: http://arxiv.org/abs/2008.04448v1
- Date: Mon, 10 Aug 2020 23:04:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 22:12:10.561415
- Title: Explainable Artificial Intelligence Based Fault Diagnosis and Insight
Harvesting for Steel Plates Manufacturing
- Title（参考訳）: 説明可能な人工知能による鋼板製造のための故障診断と洞察の収集
- Authors: Athar Kharal
- Abstract要約: 本研究は,高精度分類器の開発におけるデータサイエンスのプロセスに対するXAIに基づく洞察を取り入れた方法論について報告する。
Ceteris Peribusプロファイル、Partial Dependenceプロファイル、Breakdownプロファイルが取得されている。
すべての洞察を単一のアンサンブル分類器に組み込んだ10倍のクロス検証性能が94%で達成された。
- 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: With the advent of Industry 4.0, Data Science and Explainable Artificial
Intelligence (XAI) has received considerable intrest in recent literature.
However, the entry threshold into XAI, in terms of computer coding and the
requisite mathematical apparatus, is really high. For fault diagnosis of steel
plates, this work reports on a methodology of incorporating XAI based insights
into the Data Science process of development of high precision classifier.
Using Synthetic Minority Oversampling Technique (SMOTE) and notion of medoids,
insights from XAI tools viz. Ceteris Peribus profiles, Partial Dependence and
Breakdown profiles have been harvested. Additionally, insights in the form of
IF-THEN rules have also been extracted from an optimized Random Forest and
Association Rule Mining. Incorporating all the insights into a single ensemble
classifier, a 10 fold cross validated performance of 94% has been achieved. In
sum total, this work makes three main contributions viz.: methodology based
upon utilization of medoids and SMOTE, of gleaning insights and incorporating
into model development process. Secondly the insights themselves are
contribution, as they benefit the human experts of steel manufacturing
industry, and thirdly a high precision fault diagnosis classifier has been
developed.
- Abstract（参考訳）: 産業4.0の出現により、データサイエンスと説明可能な人工知能(xai)は近年の文献にかなりの波及している。
しかし、XAIへのエントリーしきい値は、コンピュータコーディングと必要な数学的装置の観点からは、本当に高い。
鋼板の故障診断のために, 高精度分類器の開発におけるデータサイエンスプロセスにxaiに基づく洞察を組み込む手法について報告する。
Synthetic Minority Oversampling Technique (SMOTE) と Medoids の概念を用いて,XAI ツール viz の洞察を得る。
Ceteris Peribusプロファイル、Partial Dependence、Breakdownプロファイルが取得されている。
さらに、IF-THENルールの形式に関する洞察は、最適化されたランダムフォレストとアソシエーションルールマイニングから抽出された。
すべての洞察を単一のアンサンブル分類器に組み込むことで、10フォールドのクロス検証パフォーマンスを94%達成した。
本研究は,メドイドとSMOTEの利用に基づく方法論,洞察の収集とモデル開発プロセスへの導入という,3つの主要な貢献を総括する。
第2に、鉄鋼産業の人間的専門家の利益を享受し、第3に高精度な故障診断分類器が開発されている。
関連論文リスト
- XEdgeAI: A Human-centered Industrial Inspection Framework with Data-centric Explainable Edge AI Approach [2.0209172586699173]
本稿では,新しいXAI統合視覚品質検査フレームワークを提案する。
我々のフレームワークはXAIとLarge Vision Language Modelを組み込んで人間中心の解釈可能性を提供する。
このアプローチは、重要な産業アプリケーションに信頼性と解釈可能なAIツールを広く採用する道を開くものだ。
論文 参考訳（メタデータ） (2024-07-16T14:30:24Z) - Robustness of Explainable Artificial Intelligence in Industrial Process Modelling [43.388607981317016]
我々は,地中真実シミュレーションと感度解析に基づいて,現在のXAI手法を評価する。
モデル化された産業プロセスの真の感度を正確に予測する能力において,XAI法とXAI法の違いを示す。
論文 参考訳（メタデータ） (2024-07-12T09:46:26Z) - An Explainable AI Framework for Artificial Intelligence of Medical
Things [2.7774194651211217]
我々はカスタムXAIフレームワークを活用し、LIME(Local Interpretable Model-Agnostic Explanations)、SHAP(SHapley Additive ExPlanations)、Grad-Cam(Grad-weighted Class Activation Mapping)といったテクニックを取り入れた。
提案手法は, 戦略的医療手法の有効性を高め, 信頼度を高め, 医療応用の理解を促進することを目的としている。
我々はXAIフレームワークを脳腫瘍検出に応用し,正確かつ透明な診断方法を示した。
論文 参考訳（メタデータ） (2024-03-07T01:08:41Z) - Analysis and Applications of Deep Learning with Finite Samples in Full
Life-Cycle Intelligence of Nuclear Power Generation [21.938498455998303]
産業4.0の出現は、産業の文脈において人工知能(AI)の手法が取り入れられた。
しかし、複雑な工業用ミレウス、特にエネルギー探査と生産に関連するものは、長い尾のクラス分布、サンプルの不均衡、ドメインシフトを特徴とするデータを含むことが多い。
本研究は, 深層学習(DL)技術の適用を慎重に検討する, 原子力発電(NPG)の複雑で独特な産業シナリオに焦点を当てる。
論文 参考訳（メタデータ） (2023-11-07T06:17:57Z) - A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
本稿では,DAF(Disdisrepancy Aware Framework)を提案する。
本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。
単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
論文 参考訳（メタデータ） (2023-10-11T15:21:40Z) - PathLDM: Text conditioned Latent Diffusion Model for Histopathology [62.970593674481414]
そこで我々は,高品質な病理像を生成するためのテキスト条件付き遅延拡散モデルPathLDMを紹介した。
提案手法は画像とテキストデータを融合して生成プロセスを強化する。
我々は,TCGA-BRCAデータセット上でのテキスト・ツー・イメージ生成において,SoTA FIDスコア7.64を達成し,FID30.1と最も近いテキスト・コンディショナブル・コンペティタを著しく上回った。
論文 参考訳（メタデータ） (2023-09-01T22:08:32Z) - Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
論文 参考訳（メタデータ） (2023-06-20T14:21:58Z) - OAK4XAI: Model towards Out-Of-Box eXplainable Artificial Intelligence
for Digital Agriculture [4.286327408435937]
我々は農業における知識を説明するために農業コンピューティングオントロジー(AgriComO)を構築した。
XAIは、意思決定と訓練されたAIモデルに対して、人間に理解可能な説明を提供しようとしている。
論文 参考訳（メタデータ） (2022-09-29T21:20:25Z) - DrugOOD: Out-of-Distribution (OOD) Dataset Curator and Benchmark for
AI-aided Drug Discovery -- A Focus on Affinity Prediction Problems with Noise
Annotations [90.27736364704108]
我々は、AI支援薬物発見のための体系的なOODデータセットキュレーターおよびベンチマークであるTarmOODを提案する。
DrugOODには、ベンチマークプロセスを完全に自動化するオープンソースのPythonパッケージが付属している。
我々は、薬物標的結合親和性予測という、AIDDにおける最も重要な問題の1つに焦点を当てる。
論文 参考訳（メタデータ） (2022-01-24T12:32:48Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z)
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。