論文の概要: Analysis of key flavors of event-driven predictive maintenance using
logs of phenomena described by Weibull distributions
- arxiv url: http://arxiv.org/abs/2101.07033v1
- Date: Mon, 18 Jan 2021 12:15:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-27 12:43:06.392588
- Title: Analysis of key flavors of event-driven predictive maintenance using
logs of phenomena described by Weibull distributions
- Title(参考訳): weibull分布による事象ログを用いたイベント駆動型予測保守のキーフレーバーの解析
- Authors: Petros Petsinis, Athanasios Naskos and Anastasios Gounaris
- Abstract要約: 本研究では,インダストリー4.0におけるイベント駆動予測メンテナンスの2つのアプローチを検討する。
異なるデータ前処理技術、異なる予測アルゴリズム、およびアンサンブルおよびサンプリング方法の影響を検討する。
- 参考スコア(独自算出の注目度): 3.5966476600109054
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work explores two approaches to event-driven predictive maintenance in
Industry 4.0 that cast the problem at hand as a classification or a regression
one, respectively, using as a starting point two state-of-the-art solutions.
For each of the two approaches, we examine different data preprocessing
techniques, different prediction algorithms and the impact of ensemble and
sampling methods. Through systematic experiments regarding the aspectsmentioned
above,we aimto understand the strengths of the alternatives, and more
importantly, shed light on how to navigate through the vast number of such
alternatives in an informed manner. Our work constitutes a key step towards
understanding the true potential of this type of data-driven predictive
maintenance as of to date, and assist practitioners in focusing on the aspects
that have the greatest impact.
- Abstract(参考訳): この研究は、業界4.0におけるイベント駆動型予測保守への2つのアプローチを探求し、それぞれ問題を分類または回帰として、最先端の2つのソリューションの出発点として使用します。
これら2つの手法のそれぞれについて,異なるデータ前処理手法,異なる予測アルゴリズム,およびアンサンブルとサンプリング方法の影響について検討する。
以上のような側面を体系的に実験することで,選択肢の強みを理解し,さらに重要な点として,多数の代替手段をインフォームドでナビゲートする方法に光を当てた。
我々の研究は、この種のデータ駆動型予測保守の真の可能性を理解するための重要なステップを構成し、実践者が最も影響の大きい側面に集中するのを手助けします。
関連論文リスト
- Explanatory Model Monitoring to Understand the Effects of Feature Shifts on Performance [61.06245197347139]
そこで本研究では,機能シフトによるブラックボックスモデルの振る舞いを説明する新しい手法を提案する。
本稿では,最適輸送と共有値の概念を組み合わせた提案手法について,説明的性能推定として紹介する。
論文 参考訳(メタデータ) (2024-08-24T18:28:19Z) - Spectral Representation for Causal Estimation with Hidden Confounders [33.148766692274215]
隠れた共同創設者が存在する場合の因果効果推定の問題に対処する。
本手法では,条件付き期待演算子の特異値分解とサドル点最適化問題を用いる。
論文 参考訳(メタデータ) (2024-07-15T05:39:56Z) - A review on data-driven constitutive laws for solids [0.0]
この記事では、法律を発見し、エンコードし、代理し、エミュレートするための最先端のデータ駆動技術を強調します。
我々の目標は、過去数十年で開発された幅広い方法論に組織化された分類を提供することである。
論文 参考訳(メタデータ) (2024-05-06T17:33:58Z) - Predictive Inference in Multi-environment Scenarios [18.324321417099394]
有効な信頼区間を構築するという課題に対処し、複数の環境にまたがる予測の問題に対処する。
我々は、非伝統的で階層的なデータ生成シナリオにおいて、分散のないカバレッジを得る方法を示すために、Jackknifeとsplit-conformalメソッドを拡張します。
コントリビューションには、非実測値応答の設定の拡張、これらの一般的な問題における予測推論の一貫性の理論、条件付きカバレッジの限界に関する洞察が含まれる。
論文 参考訳(メタデータ) (2024-03-25T00:21:34Z) - Variational Distillation for Multi-View Learning [104.17551354374821]
我々は,多視点表現学習における2つの重要な特徴を利用するために,様々な情報ボトルネックを設計する。
厳密な理論的保証の下で,本手法は,観察とセマンティックラベルの内在的相関の把握を可能にする。
論文 参考訳(メタデータ) (2022-06-20T03:09:46Z) - On Modality Bias Recognition and Reduction [70.69194431713825]
マルチモーダル分類の文脈におけるモダリティバイアス問題について検討する。
本稿では,各ラベルの特徴空間を適応的に学習するプラグアンドプレイ損失関数法を提案する。
本手法は, ベースラインに比べ, 顕著な性能向上を実現している。
論文 参考訳(メタデータ) (2022-02-25T13:47:09Z) - Hierarchical transfer learning with applications for electricity load
forecasting [0.0]
この階層的予測問題とマルチスケール移動学習の類似性を利用する。
一般化された加法モデルとランダム森林の積み重ねに基づく階層的伝達学習の2つの手法を開発した。
本手法は,全国規模の電力負荷予測の2つの問題に適用し,第1の事例ではスマートメーターデータ,第2の事例では地域データを用いた。
論文 参考訳(メタデータ) (2021-11-16T14:36:37Z) - Self-Supervised Representation Learning: Introduction, Advances and
Challenges [125.38214493654534]
自己教師付き表現学習手法は、大きな注釈付きデータセットを必要とせずに強力な機能学習を提供することを目的としている。
本稿では、この活気ある領域について、鍵となる概念、アプローチの4つの主要なファミリーと関連する技術の状態、そして、データの多様性に自己監督手法を適用する方法について紹介する。
論文 参考訳(メタデータ) (2021-10-18T13:51:22Z) - A Study imbalance handling by various data sampling methods in binary
classification [0.0]
本研究報告では,学習曲線と機械学習ライフサイクルへの露出について述べる。
我々は,前処理から最終最適化,モデル評価に至るまで,さまざまな手法を探求する。
論文 参考訳(メタデータ) (2021-05-23T15:27:47Z) - Counterfactual Representation Learning with Balancing Weights [74.67296491574318]
観察データによる因果推論の鍵は、それぞれの治療タイプに関連する予測的特徴のバランスを達成することである。
近年の文献では、この目標を達成するために表現学習を探求している。
因果効果を柔軟かつスケーラブルかつ正確に推定するアルゴリズムを開発した。
論文 参考訳(メタデータ) (2020-10-23T19:06:03Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳(メタデータ) (2020-02-05T21:35:29Z)
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。