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
- 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) - 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) - Self-Supervised Predictive Convolutional Attentive Block for Anomaly
Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。
我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。
画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文 参考訳(メタデータ) (2021-11-17T13:30:31Z) - D2-Net: Weakly-Supervised Action Localization via Discriminative
Embeddings and Denoised Activations [172.05295776806773]
本研究では,D2-Net と呼ばれる時間的行動ローカリゼーションフレームワークを提案する。
私たちの主な貢献は、潜伏埋め込みの識別性を共同で向上する新しい損失製剤の導入です。
我々のD2-Netは、既存の2つのデータセットの手法と比較して好意的に機能する。
論文 参考訳(メタデータ) (2020-12-11T16:01:56Z) - 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) - Interpretable Detection of Partial Discharge in Power Lines with Deep
Learning [1.3535770763481902]
部分放電(PD)は、電力系統の異常を示す一般的な指標である。
畳み込みニューラルネットワークに基づく新しいエンドツーエンドフレームワークを提案する。
論文 参考訳(メタデータ) (2020-08-13T11:52:02Z) - 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。
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。