論文の概要: Representation Evaluation Block-based Teacher-Student Network for the
Industrial Quality-relevant Performance Modeling and Monitoring
- arxiv url: http://arxiv.org/abs/2101.07976v1
- Date: Wed, 20 Jan 2021 05:40:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-22 01:21:36.486044
- Title: Representation Evaluation Block-based Teacher-Student Network for the
Industrial Quality-relevant Performance Modeling and Monitoring
- Title（参考訳）: 産業品質関連パフォーマンスモデリングとモニタリングのための表象評価ブロック型教師・学生ネットワーク
- Authors: Dan Yang, Xin Peng, Yusheng Lu, Haojie Huang, Weimin Zhong
- Abstract要約: 品質関連故障検出のための改良型教師学生ネットワークに基づく故障検出手法を提案する。
従来の教師-学生ネットワークでは、教師ネットワークと学生ネットワークの特徴の違いが学生ネットワークのパフォーマンス低下を引き起こすためです。
不確実性モデリングは、この差異をモデリングプロセスに追加するために使用され、特徴の違いを減らし、学生ネットワークの性能を向上させるのに有用である。
提案手法はプロセス監視に適用され,プロセス関連部分空間と品質関連部分空間の障害を同時に検出する。
- 参考スコア（独自算出の注目度）: 5.909089256501503
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quality-relevant fault detection plays an important role in industrial
processes, while the current quality-related fault detection methods based on
neural networks main concentrate on process-relevant variables and ignore
quality-relevant variables, which restrict the application of process
monitoring. Therefore, in this paper, a fault detection scheme based on the
improved teacher-student network is proposed for quality-relevant fault
detection. In the traditional teacher-student network, as the features
differences between the teacher network and the student network will cause
performance degradation on the student network, representation evaluation block
(REB) is proposed to quantify the features differences between the teacher and
the student networks, and uncertainty modeling is used to add this difference
in modeling process, which are beneficial to reduce the features differences
and improve the performance of the student network. Accordingly, REB and
uncertainty modeling is applied in the teacher-student network named as
uncertainty modeling teacher-student uncertainty autoencoder (TSUAE). Then, the
proposed TSUAE is applied to process monitoring, which can effectively detect
faults in the process-relevant subspace and quality-relevant subspace
simultaneously. The proposed TSUAE-based fault detection method is verified in
two simulation experiments illustrating that it has satisfactory fault
detection performance compared to other fault detection methods.
- Abstract（参考訳）: 品質関連障害検出は産業プロセスにおいて重要な役割を担う一方で、現在のニューラルネットワークに基づく品質関連障害検出手法は、プロセス関連変数に主に集中し、プロセス監視の適用を制限する品質関連変数を無視している。
そこで本研究では,品質関連故障検出のための改良型教師学生ネットワークに基づく故障検出手法を提案する。
従来の教師・生徒ネットワークでは、教師ネットワークと生徒ネットワーク間の特徴差が生徒ネットワークのパフォーマンス低下を引き起こすため、表出評価ブロック(reb)が教師と生徒ネットワーク間の特徴差を定量化するために提案され、不確実性モデリングを用いて、特徴差の低減や学生ネットワークのパフォーマンス向上に有用なモデリングプロセスにこの差を加える。
したがって、教師-学生ネットワークにおいて、REBと不確実性モデリングを、教師-学生オートエンコーダ(tsuAE)として適用する。
次に,提案手法をプロセス監視に適用し,プロセス関連部分空間と品質関連部分空間の障害を効果的に検出する。
提案手法は, 故障検出性能が他の故障検出法と比較して良好であることを示す2つのシミュレーション実験で検証された。
関連論文リスト
- Multi-Scale Aligned Distillation for Low-Resolution Detection [68.96325141432078]
本稿では,高分解能モデルや多分解能モデルから知識を抽出することで,低分解能モデルの性能を向上させることに焦点を当てる。
いくつかのインスタンスレベルの検出タスクとデータセットにおいて,本手法を用いて訓練された低解像度モデルと,従来のマルチスケールトレーニングによる訓練された高解像度モデルとを競合的に処理する。
論文 参考訳（メタデータ） (2021-09-14T12:53:35Z) - Robust Ensembling Network for Unsupervised Domain Adaptation [20.152004296679138]
教師なしドメイン適応(UDA)のためのRobust Ensembling Network(REN)を提案する。
RENは主に教師ネットワークと学生ネットワークを含み、標準的なドメイン適応トレーニングを実行し、教師ネットワークの重みを更新する。
学生ネットワークの基本能力を向上させるために,学生ネットワークと教師ネットワークの誤りのバランスをとるために,一貫性制約を利用する。
論文 参考訳（メタデータ） (2021-08-21T09:19:13Z) - Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。
畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。
この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
論文 参考訳（メタデータ） (2021-08-03T19:24:25Z) - Zero-sample surface defect detection and classification based on
semantic feedback neural network [13.796631421521765]
本論文では,複数角度からの画像タグ埋め込みにおける予測誤差を適応的に低減するアンサンブル協調学習アルゴリズムを提案する。
産業分野におけるゼロショットデータセットとシリンダーライナーデータセットを用いた各種実験により,競争結果が得られた。
論文 参考訳（メタデータ） (2021-06-15T08:26:36Z) - A Novel Automatic Modulation Classification Scheme Based on Multi-Scale
Networks [35.04402595330191]
本稿では,マルチスケールネットワークを用いた新しい自動変調分類手法を提案する。
中心損失と交差エントロピー損失を組み合わせた新規な損失関数を用いて識別性と分離性の両方を学習する。
提案した自動変調分類方式は,分類精度の観点から,ベンチマーク方式よりも優れた性能を実現することができる。
論文 参考訳（メタデータ） (2021-05-31T15:18:58Z) - Understanding and Improvement of Adversarial Training for Network
Embedding from an Optimization Perspective [31.312873512603808]
Network Embeddingは、ノードをユークリッド空間にマッピングする関数を学習することを目的としており、ネットワーク上の複数の学習分析タスクに寄与する。
これらの問題に対処するために、研究者はAdvTNE(Adversarial Training for Network Embedding)を用いて最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2021-05-17T16:41:53Z) - Statistical Mechanical Analysis of Catastrophic Forgetting in Continual
Learning with Teacher and Student Networks [5.209145866174911]
計算システムが絶えず変化する環境から学習すると、その過去の経験を急速に忘れてしまう。
教師-学生学習を用いて破滅的な忘れを解析するための理論的枠組みを提供する。
その結果,入力分布の類似度が小さく,対象関数の入出力関係が大きい場合,ネットワークは壊滅的な記憶を回避できることがわかった。
論文 参考訳（メタデータ） (2021-05-16T09:02:48Z) - Graph Consistency based Mean-Teaching for Unsupervised Domain Adaptive
Person Re-Identification [54.58165777717885]
本論文では,教師ネットワークと学生ネットワークの間にGCC(Graph Consistency Constraint)を構築するためのGCMT(Graph Consistency Based Mean-Teaching)手法を提案する。
マーケット-1501、デュークMTMCreID、MSMT17の3つのデータセットの実験により、提案されたGCMTは最先端の手法よりも明確なマージンで優れていることが示された。
論文 参考訳（メタデータ） (2021-05-11T04:09:49Z) - Federated Learning with Unreliable Clients: Performance Analysis and
Mechanism Design [76.29738151117583]
Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。
しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。
クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
論文 参考訳（メタデータ） (2021-05-10T08:02:27Z) - Anomaly Detection on Attributed Networks via Contrastive Self-Supervised
Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。
このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。
高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文 参考訳（メタデータ） (2021-02-27T03:17:20Z) - Style Normalization and Restitution for DomainGeneralization and
Adaptation [88.86865069583149]
効果的なドメイン一般化モデルは、一般化および判別可能な特徴表現を学習することが期待される。
本稿では,ネットワークの高一般化と識別能力を確保するために,新しいスタイル正規化・再構成モジュール(SNR)を設計する。
論文 参考訳（メタデータ） (2021-01-03T09:01:39Z)
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。