Fugu-MT 論文翻訳(概要): A Frequency And Phase Attention Based Deep Learning Framework For Partial Discharge Detection On Insulated Overhead Conductors

論文の概要: A Frequency And Phase Attention Based Deep Learning Framework For Partial Discharge Detection On Insulated Overhead Conductors

arxiv url: http://arxiv.org/abs/2012.11532v1
Date: Mon, 21 Dec 2020 17:54:06 GMT
ステータス: 処理完了
システム内更新日: 2021-04-27 10:01:15.163276
Title: A Frequency And Phase Attention Based Deep Learning Framework For Partial Discharge Detection On Insulated Overhead Conductors
Title（参考訳）: 絶縁体頭上導体の部分放電検出のための周波数と位相の注意に基づくディープラーニングフレームワーク
Authors: Mohammad Zunaed Rafi, Ankur Nath, Md. Saifur Rahman
Abstract要約: 部分放電は絶縁系の劣化の指標として知られている。内部部分放電を検出する手法の信頼性と選択性は、背景雑音のレベルによって決定される。本稿では,周波数層と位相注目層を新たに実装したディープラーニングフレームワークを提案する。
参考スコア（独自算出の注目度）: 0.4640835690336652
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Partial discharges are known as indicators of degradation of insulation systems.The reliability and selectivity of methods to detect internal partial discharges in the covered conductors are dictated by the level of background noise. The background noise distorts the pattern of partial discharges (PD-pattern) and decreases the capability of detection methods to recognize the features of PD-pattern corresponding to the degradation of an insulation system. This paper proposes a deep learning based framework with novel implementation of frequency and phase attention layers to detect partial discharge pattern on insulated overhead conductors.The introduced phase and frequency attention layers finds the discriminative regions responsible for PD activity in the spectograms of the signals.
Abstract（参考訳）: 絶縁系の劣化の指標として部分放電が知られ、被覆導体の内部部分放電を検出する方法の信頼性と選択性は背景雑音のレベルによって決定される。背景雑音は部分放電パターン(PDパターン)を歪め、絶縁システムの劣化に対応するPDパターンの特徴を認識する検出方法の能力を低下させる。本稿では,周波数・位相注目層を新たに実装した深層学習フレームワークを提案する。導入される位相・周波数注目層は,信号のスペクトログラムにおけるpd活動に寄与する識別領域を見出す。

関連論文リスト

Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization [60.899082019130766]
本稿では、フレームレベル検出ネットワーク(FDN)と、音声の時間的偽造検出とローカライゼーションのための改良ネットワーク(PRN)を提案する。 FDNは、偽のフレーム間で情報的不整合の手がかりを抽出し、偽の領域を大まかに示すのに有用な識別的特徴を得る。 PRNは、FDNから派生した粗粒度の提案を洗練するために、信頼スコアと回帰オフセットを予測する責任がある。
論文参考訳（メタデータ） (2024-07-23T15:07:52Z)
Unsupervised Anomaly Detection Using Diffusion Trend Analysis [48.19821513256158]
本稿では, 劣化度に応じて, 復元傾向の分析により異常を検出する手法を提案する。提案手法は,産業用異常検出のためのオープンデータセット上で検証される。
論文参考訳（メタデータ） (2024-07-12T01:50:07Z)
Generalizable Classification of UHF Partial Discharge Signals in Gas-Insulated HVDC Systems Using Neural Networks [0.0]
非検出部分放電(PDs)は、高圧(HV)ガス絶縁系の安全上の重要な問題である。本稿では,HVDC GISの絶縁体上での金属突起および導電性粒子によるPD信号の分類のためのニューラルネットワークに基づくアプローチを提案し,解析する。
論文参考訳（メタデータ） (2023-07-17T13:21:02Z)
Non-destructive Fault Diagnosis of Electronic Interconnects by Learning Signal Patterns of Reflection Coefficient in the Frequency Domain [1.8843687952462742]
本稿では,早期故障検出と相互接続欠陥の正確な診断のための新しい非破壊的手法を提案する。提案手法は, 周波数範囲にわたる係数反射の信号パターンを利用して, 根本原因同定と重大度評価の両立を可能にする。実験結果から,本手法は断層検出および診断に有効であり,実世界の産業応用に拡張できる可能性が示唆された。
論文参考訳（メタデータ） (2023-04-20T10:51:21Z)
High-Resolution Boundary Detection for Medical Image Segmentation with Piece-Wise Two-Sample T-Test Augmented Loss [19.132548785433073]
境界情報を反映して境界検出を強化する新しい損失関数を開発した。 t-test成分を含まないベンチマーク損失と比較して,PTA損失の境界検出能力が向上したことを示す。
論文参考訳（メタデータ） (2022-11-04T12:47:13Z)
PointCAT: Contrastive Adversarial Training for Robust Point Cloud Recognition [111.55944556661626]
我々は、ポイントクラウド認識モデルの堅牢性を高めるために、PointCAT(Point-Cloud Contrastive Adversarial Training)を提案する。我々は、教師付きコントラスト損失を利用して、認識モデルにより抽出された超球面特徴のアライメントと均一性を促進する。より難易度の高い点雲を実現するため,認識モデルと逆向きにノイズ発生装置をスクラッチから訓練する。
論文参考訳（メタデータ） (2022-09-16T08:33:04Z)
Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文参考訳（メタデータ） (2022-09-05T16:38:13Z)
A Survey of Detection Methods for Die Attachment and Wire Bonding Defects in Integrated Circuit Manufacturing [2.0813318162800702]
ダイアタッチメントとワイヤボンディングは、ICの電力と信号の伝送品質と信頼性を決定する製造工程の2つのステップである。本稿では, 光学, 放射線, 音響, 赤外線サーモグラフィーなど, 異なる感度モードに基づいて, これらの欠陥を検出する方法に関する調査, 文献的考察を行う。
論文参考訳（メタデータ） (2022-06-02T02:12:46Z)
Fault Detection for Covered Conductors With High-Frequency Voltage Signals: From Local Patterns to Global Features [5.453001435164266]
本稿では,クラスタリング手法に基づくパルス形状解析手法を提案する。我々は、洞察に富んだ特徴を構築し、優れた検出性能を持つ新しい機械学習モデルを開発する。提案したモデルは,カグル競技における勝利モデルよりも優れ,現場におけるリアルタイムな乱れを検出する最先端のソリューションを提供する。
論文参考訳（メタデータ） (2020-11-01T02:58:19Z)
Capturing scattered discriminative information using a deep architecture in acoustic scene classification [49.86640645460706]
本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。 2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
論文参考訳（メタデータ） (2020-07-09T08:32:06Z)
Non-Local Part-Aware Point Cloud Denoising [55.50360085086123]
本稿では,点群を識別する非局所部分認識ディープニューラルネットワークを提案する。グラフアテンションモジュールでカスタマイズした非局所学習ユニット(NLU)を設計し、非局所意味論的特徴を適応的にキャプチャする。雑音発生性能を向上させるため,ノイズ特性をノイズ入力から段階的に抽出するために,一連のNLUをカスケードする。
論文参考訳（メタデータ） (2020-03-14T13:51:50Z)

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。