論文の概要: An improved mixture of probabilistic PCA for nonlinear data-driven
process monitoring
- arxiv url: http://arxiv.org/abs/2012.06830v1
- Date: Sat, 12 Dec 2020 14:29:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-10 07:05:12.312048
- Title: An improved mixture of probabilistic PCA for nonlinear data-driven
process monitoring
- Title(参考訳): 非線形データ駆動プロセス監視のための確率的PCAの改良
- Authors: Jingxin Zhang, Hao Chen, Songhang Chen, and Xia Hong
- Abstract要約: 確率的主成分分析器の混合技術を用いて、基礎となる非線形過程のモデルを確立する。
修正PPCAに基づく故障検出手法における2つのモニタリング統計の統合に基づく,新しい複合監視統計法を提案する。
- 参考スコア(独自算出の注目度): 8.136086800388048
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An improved mixture of probabilistic principal component analysis (PPCA) has
been introduced for nonlinear data-driven process monitoring in this paper. To
realize this purpose, the technique of a mixture of probabilistic principal
component analysers is utilized to establish the model of the underlying
nonlinear process with local PPCA models, where a novel composite monitoring
statistic is proposed based on the integration of two monitoring statistics in
modified PPCA-based fault detection approach. Besides, the weighted mean of the
monitoring statistics aforementioned is utilised as a metrics to detect
potential abnormalities. The virtues of the proposed algorithm have been
discussed in comparison with several unsupervised algorithms. Finally,
Tennessee Eastman process and an autosuspension model are employed to
demonstrate the effectiveness of the proposed scheme further.
- Abstract(参考訳): 本稿では, 非線形データ駆動型プロセス監視のために, 確率主成分分析(ppca)の改良を行った。
この目的を達成するために、確率的主成分分析器の混合手法を用いて、基礎となる非線形過程と局所的なPPCAモデルとのモデルを確立し、改良されたPPCAに基づく断層検出手法における2つのモニタリング統計の統合に基づいて、新しい複合監視統計量を提案する。
さらに、上記監視統計の重み付け平均は、潜在的な異常を検出する指標として利用される。
提案アルゴリズムの長所は,いくつかの教師なしアルゴリズムと比較して議論されてきた。
最後に,提案手法の有効性を示すために,テネシー・イーストマン法とオートスペンションモデルを用いた。
関連論文リスト
- Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated
Control Form and NMPC Case Study [56.283944756315066]
そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。
ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
論文 参考訳(メタデータ) (2024-01-09T11:54:54Z) - Learning-Based Approaches to Predictive Monitoring with Conformal
Statistical Guarantees [2.1684857243537334]
本チュートリアルは、予測モニタリング(PM)のための効率的な手法に焦点を当てている。
PMは、システムの現在の状態から与えられた要件の将来の違反を検出する問題である。
CPSの予測モニタリングに対する我々のアプローチを要約した、汎用的で包括的なフレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-04T15:16:42Z) - End-to-End Reinforcement Learning of Koopman Models for Economic
Nonlinear Model Predictive Control [50.0791489606211]
非線形モデル予測制御((e)NMPC)は、すべての状態空間領域において十分正確なシステムモデルを必要とする。
メカニスティックモデルのためのデータ駆動サロゲートモデルは、(e)NMPCの計算負担を軽減するために使用できる。
In this method for end-to-end reinforcement learning of dynamic surrogate model for optimal performance in (e)NMPC applications。
論文 参考訳(メタデータ) (2023-08-03T10:21:53Z) - Learning-Based Optimal Control with Performance Guarantees for Unknown
Systems with Latent States [4.808571929848662]
本稿では,潜在状態を持つ未知非線形系に対する最適入力軌道の計算法を提案する。
提案手法の有効性を数値シミュレーションで示す。
論文 参考訳(メタデータ) (2023-03-31T11:06:09Z) - Leveraging a Probabilistic PCA Model to Understand the Multivariate
Statistical Network Monitoring Framework for Network Security Anomaly
Detection [64.1680666036655]
確率的生成モデルの観点からPCAに基づく異常検出手法を再検討する。
2つの異なるデータセットを用いて数学的モデルを評価した。
論文 参考訳(メタデータ) (2023-02-02T13:41:18Z) - Dynamic Bayesian Network Auxiliary ABC-SMC for Hybrid Model Bayesian
Inference to Accelerate Biomanufacturing Process Mechanism Learning and
Robust Control [2.727760379582405]
本稿では,バイオプロセッシング機構の複雑な因果関係を特徴付ける知識グラフハイブリッドモデルを提案する。
非線形反応、部分的に観察された状態、非定常力学を含む重要な性質を忠実に捉えることができる。
我々は、メカニズム学習を容易にし、ロバストなプロセス制御を支援する後部分布モデルの不確かさを導出する。
論文 参考訳(メタデータ) (2022-05-05T02:54:21Z) - Combining Gaussian processes and polynomial chaos expansions for
stochastic nonlinear model predictive control [0.0]
最適制御問題の時間不変不確かさを明示的に考慮する新しいアルゴリズムを提案する。
本稿では, 非線形変換の平均および分散推定値を得るために, この組み合わせを効率的に利用することを提案する。
最適制御問題に対する確率的目標と確率的制約の両方を定式化する方法を示す。
論文 参考訳(メタデータ) (2021-03-09T14:25:08Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳(メタデータ) (2020-11-14T01:27:32Z) - Evaluating probabilistic classifiers: Reliability diagrams and score
decompositions revisited [68.8204255655161]
確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。
コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
論文 参考訳(メタデータ) (2020-08-07T08:22:26Z) - How Training Data Impacts Performance in Learning-based Control [67.7875109298865]
本稿では,トレーニングデータの密度と制御性能の関係を考察する。
データセットの品質尺度を定式化し、$rho$-gap と呼ぶ。
フィードバック線形化制御法に$rho$-gapを適用する方法を示す。
論文 参考訳(メタデータ) (2020-05-25T12:13:49Z) - Bayesian System ID: Optimal management of parameter, model, and
measurement uncertainty [0.0]
システム識別(ID)の確率的定式化の頑健さを,スパース,ノイズ,間接データに対して評価した。
従来手法の目的関数面と比較して,ログ後部は幾何学的特性が向上したことを示す。
論文 参考訳(メタデータ) (2020-03-04T22:48:30Z)
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。