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

• An Agglomerative Clustering of Simulation Output Distributions Using Regularized Wasserstein Distance [0.0]
  本稿では,正規化ワッサーシュタイン距離をクラスタシミュレーション出力に利用した新しいクラスタリングアルゴリズムを提案する。 このフレームワークには、異常検出、事前最適化、オンライン監視など、いくつかの重要なユースケースがある。
  論文  参考訳（メタデータ） (2024-07-16T18:07:32Z)
• Single Trajectory Conformal Prediction [6.216939610302176]
  リスク制御予測セット(RCPS)の性能について検討する。 我々は,このブロッキング手法を用いて,RCPS が iid 設定で楽しむような性能保証を実現することを示す。 オンラインおよびオフラインの共形予測アルゴリズムを統一的に分析するために、これらのツールをどのように使用できるのかを議論することで締めくくった。
  論文  参考訳（メタデータ） (2024-06-03T17:51:33Z)
• Nonlinear sparse variational Bayesian learning based model predictive control with application to PEMFC temperature control [16.703859991393568]
  本研究は非線形システムのための非線形スパース変分学習に基づくMPC(NSVB-MPC)を開発する。 変分推論はNSVB-MPCによって予測精度を評価し、システムの不確実性を定量化するために必要な修正を行う。
  論文  参考訳（メタデータ） (2024-04-15T07:30:26Z)
• 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 Optimal Control with Performance Guarantees for Unknown Systems with Latent States [4.4820711784498]
  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)
• Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
  ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。 本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
  論文  参考訳（メタデータ） (2021-05-17T08:36:18Z)
• 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)

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。