論文の概要: Deep learning models for predictive maintenance: a survey, comparison,
challenges and prospect
- arxiv url: http://arxiv.org/abs/2010.03207v1
- Date: Wed, 7 Oct 2020 06:28:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 23:57:11.936025
- Title: Deep learning models for predictive maintenance: a survey, comparison,
challenges and prospect
- Title(参考訳): 予測保守のためのディープラーニングモデル--調査,比較,課題,展望
- Authors: Oscar Serradilla, Ekhi Zugasti, Urko Zurutuza
- Abstract要約: 世界中の産業データ空間が増加する中、ディープラーニングソリューションは予測的メンテナンスに人気になっている。
この作業は、最先端のディープラーニングアーキテクチャをレビューすることで、このタスクを円滑にすることを目的としている。
それらは産業アプリケーションの中で分類され、比較され、ギャップを埋める方法を説明しています。
- 参考スコア(独自算出の注目度): 0.3093890460224435
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Given the growing amount of industrial data spaces worldwide, deep learning
solutions have become popular for predictive maintenance, which monitor assets
to optimise maintenance tasks. Choosing the most suitable architecture for each
use-case is complex given the number of examples found in literature. This work
aims at facilitating this task by reviewing state-of-the-art deep learning
architectures, and how they integrate with predictive maintenance stages to
meet industrial companies' requirements (i.e. anomaly detection, root cause
analysis, remaining useful life estimation). They are categorised and compared
in industrial applications, explaining how to fill their gaps. Finally, open
challenges and future research paths are presented.
- Abstract(参考訳): 世界中の産業データ空間が増加する中、ディープラーニングソリューションは予測保守に人気となり、資産を監視してメンテナンスタスクを最適化する。
文献で見られる例の数を考えると、各ユースケースに最適なアーキテクチャを選択するのは複雑です。
この研究は、最先端のディープラーニングアーキテクチャをレビューし、産業企業の要求を満たすための予測メンテナンスステージ(異常検出、根本原因分析、有用な寿命推定)と統合することで、このタスクの促進を目指している。
それらは産業アプリケーションで分類され、比較され、ギャップを埋める方法を説明します。
最後に、オープンな課題と今後の研究パスを示す。
関連論文リスト
- Large Language Models(LLMs) on Tabular Data: Prediction, Generation, and
Understanding -- A Survey [17.765458116029734]
現在、この研究領域における主要なテクニック、メトリクス、データセット、モデル、最適化アプローチを要約し比較する包括的なレビューが欠如しています。
この調査は、これらの領域における最近の進歩を集約し、使用するデータセット、メトリクス、方法論の詳細な調査と分類を提供することによって、このギャップに対処することを目的としている。
既存の文献の強さ、限界、未探索領域、ギャップを識別し、この重要かつ急速に発展する分野における将来の研究の方向性についていくつかの洞察を提供する。
論文 参考訳(メタデータ) (2024-02-27T23:59:01Z) - A Survey of Serverless Machine Learning Model Inference [0.0]
ジェネレーティブAI、コンピュータビジョン、自然言語処理は、AIモデルをさまざまな製品に統合するきっかけとなった。
本調査は,大規模ディープラーニングサービスシステムにおける新たな課題と最適化の機会を要約し,分類することを目的としている。
論文 参考訳(メタデータ) (2023-11-22T18:46:05Z) - A Comprehensive Survey of Deep Transfer Learning for Anomaly Detection
in Industrial Time Series: Methods, Applications, and Directions [5.759456719890725]
産業プロセスの監視は、効率を高め、品質を最適化する可能性がある。
ディープラーニングは、大規模なデータセット内の非自明なパターンを識別する能力を持つため、このプロセスにおいて重要な役割を果たす。
わずかに異なるケースごとに、標準的なディープラーニングトレーニングのための大規模ラベル付きデータを取得することは不可能である。
深層移動学習はこの問題に対する解決策を提供する。
論文 参考訳(メタデータ) (2023-07-11T09:37:52Z) - Improving Long-Horizon Imitation Through Instruction Prediction [93.47416552953075]
本研究では、しばしば使われない補助的監督源である言語の使用について検討する。
近年のトランスフォーマーモデルの発展にインスパイアされたエージェントは,高レベルの抽象化で動作する時間拡張表現の学習を促す命令予測損失を持つエージェントを訓練する。
さらなる分析では、複雑な推論を必要とするタスクにおいて、命令モデリングが最も重要であり、単純な計画を必要とする環境において、より小さなゲインを提供する。
論文 参考訳(メタデータ) (2023-06-21T20:47:23Z) - GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。
外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
論文 参考訳(メタデータ) (2023-02-16T16:45:36Z) - Deep networks for system identification: a Survey [56.34005280792013]
システム識別は、入力出力データから動的システムの数学的記述を学習する。
同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。
我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
論文 参考訳(メタデータ) (2023-01-30T12:38:31Z) - A Comprehensive Review of Trends, Applications and Challenges In
Out-of-Distribution Detection [0.76146285961466]
アウト・オブ・ディストリビューション・データ・サブセットの検出とより包括的な一般化の実現に焦点をあてた研究分野が誕生した。
多くのディープラーニングベースのモデルは、ベンチマークデータセットでほぼ完璧な結果を得たため、これらのモデルの信頼性と信頼性を評価する必要性は、これまで以上に強く感じられる。
本稿では,本分野における70以上の論文のレビューに加えて,今後の研究の課題と方向性を提示するとともに,データシフトの多種多様さを統一的に把握し,より一般化するためのソリューションを提案する。
論文 参考訳(メタデータ) (2022-09-26T18:13:14Z) - Design Automation for Fast, Lightweight, and Effective Deep Learning
Models: A Survey [53.258091735278875]
本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。
これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。
この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
論文 参考訳(メタデータ) (2022-08-22T12:12:43Z) - What Makes Good Contrastive Learning on Small-Scale Wearable-based
Tasks? [59.51457877578138]
本研究では,ウェアラブル型行動認識タスクにおけるコントラスト学習について検討する。
本稿では,PyTorchライブラリのtextttCL-HAR について述べる。
論文 参考訳(メタデータ) (2022-02-12T06:10:15Z) - A Survey on Machine Learning Techniques for Source Code Analysis [14.129976741300029]
ソースコード解析に応用された機械学習の領域における現在の知識を要約することを目的としている。
そこで本研究では,2002年から2021年にかけて,広範囲にわたる文献検索を行い,初等研究364点を同定した。
論文 参考訳(メタデータ) (2021-10-18T20:13:38Z) - Monitoring and explainability of models in production [58.720142291102135]
デプロイされたモデルを監視することは、高品質の機械学習対応サービスの継続的なプロビジョニングに不可欠である。
これらの領域でソリューションの実装を成功させる上での課題を,オープンソースツールを使用した本番環境対応ソリューションの最近の例で論じる。
論文 参考訳(メタデータ) (2020-07-13T10:37:05Z)
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。