論文の概要: An Evaluation of Classification Methods for 3D Printing Time-Series Data

• arxiv url: http://arxiv.org/abs/2010.00903v1
• Date: Fri, 2 Oct 2020 10:12:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 02:09:31.077461
• Title: An Evaluation of Classification Methods for 3D Printing Time-Series Data
• Title（参考訳）: 3dプリント時系列データの分類手法の評価
• Authors: Vivek Mahato, Muhannad Ahmed Obeidi, Dermot Brabazon, Padraig Cunningham
• Abstract要約: 金属3Dプリンティングプロセスにおける溶融プール温度を表す赤外線時系列データの分類に関する予備研究について述べる。 私たちの究極の目標は、このデータを使ってプロセスの結果を予測することです。
• 参考スコア（独自算出の注目度）: 1.9881456274482427
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Additive Manufacturing presents a great application area for Machine Learning because of the vast volume of data generated and the potential to mine this data to control outcomes. In this paper we present preliminary work on classifying infrared time-series data representing melt-pool temperature in a metal 3D printing process. Our ultimate objective is to use this data to predict process outcomes (e.g. hardness, porosity, surface roughness). In the work presented here we simply show that there is a signal in this data that can be used for the classification of different components and stages of the AM process. In line with other Machine Learning research on time-series classification we use k-Nearest Neighbour classifiers. The results we present suggests that Dynamic Time Warping is an effective distance measure compared with alternatives for 3D printing data of this type.
• Abstract（参考訳）: 大量のデータが生成され、結果をコントロールするためにこのデータをマイニングする可能性があるため、添加物製造は機械学習に優れた応用領域を提供する。 本稿では,メルトプール温度を表す赤外線時系列データを金属3dプリンティングプロセスで分類する予備研究について述べる。 私たちの究極の目標は、このデータを使ってプロセスの結果を予測することです(例えば、硬さ、ポーシティ、表面粗さ)。 ここで提示した研究では、amプロセスのさまざまなコンポーネントとステージの分類に使用できるシグナルが、このデータの中に存在することを単に示しています。 時系列分類に関する他の機械学習研究と並行して、k-Nearest Neighbour分類を用いる。 本研究の結果から, ダイナミック・タイム・ウォーピングは3次元印刷データの代替手段と比較して有効距離の指標であることが示唆された。

関連論文リスト

• How Much Data is Enough? Optimization of Data Collection for Artifact Detection in EEG Recordings [35.65657694684476]
  深層学習に基づくアーティファクト検出を用いたデータ指向データ収集設計のための最適化手法を提案する。 人工物タスクの数を12から3に減らし、等尺収縮タスクの繰り返しを10から3に減らし、時には1に減らした。
  論文  参考訳（メタデータ） (2024-11-05T11:47:59Z)
• D3A-TS: Denoising-Driven Data Augmentation in Time Series [0.0]
  本研究は,分類と回帰問題に対する時系列におけるデータ拡張のための異なる手法の研究と分析に焦点をあてる。 提案手法は拡散確率モデルを用いており、近年画像処理の分野で成功している。 その結果、この手法が、分類と回帰モデルを訓練するための合成データを作成する上で、高い有用性を示している。
  論文  参考訳（メタデータ） (2023-12-09T11:37:07Z)
• An adaptive human-in-the-loop approach to emission detection of Additive Manufacturing processes and active learning with computer vision [76.72662577101988]
  In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。 このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。 本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
  論文  参考訳（メタデータ） (2022-12-12T15:11:18Z)
• Time-Varying Propensity Score to Bridge the Gap between the Past and Present [104.46387765330142]
  本稿では,データ分布の段階的変化を検出するための時間変化確率スコアを提案する。 実装のさまざまな方法を示し、さまざまな問題について評価する。
  論文  参考訳（メタデータ） (2022-10-04T07:21:49Z)
• Avoiding Post-Processing with Event-Based Detection in Biomedical Signals [69.34035527763916]
  学習対象としてイベントを直接扱うイベントベースのモデリングフレームワークを提案する。 イベントベースのモデリング(後処理なし)は、広範囲な後処理を伴うエポックベースのモデリングと同等以上のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-09-22T13:44:13Z)
• From data to functa: Your data point is a function and you should treat it like one [18.55139634143589]
  菌類データの深層学習のためのフレームワークを提案する。 この見解は、データからfunctaへの効率的な変換に関して、多くの課題を提示している。 これらの課題を克服し、幅広いデータモダリティに適用するためのレシピを概説する。
  論文  参考訳（メタデータ） (2022-01-28T15:59:58Z)
• Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
  本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。 我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
  論文  参考訳（メタデータ） (2021-10-19T17:41:43Z)
• RandomRooms: Unsupervised Pre-training from Synthetic Shapes and Randomized Layouts for 3D Object Detection [138.2892824662943]
  有望な解決策は、CADオブジェクトモデルで構成される合成データセットをよりよく利用して、実際のデータセットでの学習を促進することである。 最近の3次元事前学習の研究は、合成物体から他の実世界の応用へ学習した伝達特性が失敗することを示している。 本研究では,この目的を達成するためにRandomRoomsという新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-08-17T17:56:12Z)
• Deep Learning-based Cattle Activity Classification Using Joint Time-frequency Data Representation [2.472770436480857]
  本稿では,牛の行動・行動の分類と行動モデルの構築にシーケンシャルディープニューラルネットワークを用いた。 本研究の主な焦点は,センサデータの同時時間周波数領域表現の探索である。 3軸加速度計、磁力計、ジャイロスコープのセンサーから収集された300万以上のサンプルからなる実世界のデータセットに基づいています。
  論文  参考訳（メタデータ） (2020-11-06T14:24:55Z)
• Graph-based Reinforcement Learning for Active Learning in Real Time: An Application in Modeling River Networks [2.8631830115500394]
  本研究では,空間的・時間的文脈情報を用いたリアルタイム能動学習手法を開発し,強化学習フレームワークにおける代表的クエリサンプルの選択を行う。 ラベル付きデータ収集の予算が限られているデラウェア川流域において, 流水量と水温を予測し, 提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2020-10-27T02:19:40Z)
• Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
  ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。 我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。 そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
  論文  参考訳（メタデータ） (2020-05-18T09:36:51Z)

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。