Fugu-MT 論文翻訳(概要): Assessment of hybrid machine learning models for non-linear system identification of fatigue test rigs

論文の概要: Assessment of hybrid machine learning models for non-linear system identification of fatigue test rigs

arxiv url: http://arxiv.org/abs/2107.03645v4
Date: Fri, 6 Oct 2023 08:27:23 GMT
ステータス: 処理完了
システム内更新日: 2023-10-13 17:33:42.532150
Title: Assessment of hybrid machine learning models for non-linear system identification of fatigue test rigs
Title（参考訳）: 疲労試験リグの非線形システム同定のためのハイブリッド機械学習モデルの評価
Authors: Leonhard Heindel, Peter Hantschke and Markus K\"astner
Abstract要約: 所定の疲労試験ベンチ駆動信号に対するシステム応答の予測は難しい課題である。新しいハイブリッドモデルが提案され、Long Short-Term Memory Networkを用いた既存のアプローチが強化された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The prediction of system responses for a given fatigue test bench drive signal is a challenging task, for which linear frequency response function models are commonly used. To account for non-linear phenomena, a novel hybrid model is suggested, which augments existing approaches using Long Short-Term Memory networks. Additional virtual sensing applications of this method are demonstrated. The approach is tested using non-linear experimental data from a servo-hydraulic test rig and this dataset is made publicly available. A variety of metrics in time and frequency domains, as well as fatigue strength under variable amplitudes, are employed in the evaluation.
Abstract（参考訳）: 与えられた疲労試験ベンチ駆動信号に対するシステム応答の予測は、線形周波数応答関数モデルが一般的に用いられる課題である。非線形現象を考慮し,Long Short-Term Memory Networkを用いた既存手法を拡張した新しいハイブリッドモデルを提案する。この手法のさらなる仮想センシング応用が示されている。このアプローチはサーボ・ヒドラリックテストリグからの非線形実験データを用いてテストされ、このデータセットが公開されている。この評価には、時間および周波数領域における様々な測定値、および可変振幅下での疲労強度が用いられる。

関連論文リスト

Value function estimation using conditional diffusion models for control [62.27184818047923]
拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
論文参考訳（メタデータ） (2023-06-09T18:40:55Z)
Deep Long-Short Term Memory networks: Stability properties and Experimental validation [0.20999222360659603]
ネットワークの重みに関する適切な条件を利用して、データから実績ある$delta$ISS LSTMモデルを学習できるトレーニング手順を構築することができることを示す。提案手法は、実ブレーキバイワイヤ装置を用いて、入力出力データからシステムのモデルを特定する。
論文参考訳（メタデータ） (2023-04-06T10:02:17Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
Efficient Test-Time Model Adaptation without Forgetting [60.36499845014649]
テストタイム適応は、トレーニングとテストデータの間の潜在的な分散シフトに取り組むことを目指している。信頼性および非冗長なサンプルを同定するためのアクティブなサンプル選択基準を提案する。また、重要なモデルパラメータを劇的な変化から制約するFisher regularizerを導入します。
論文参考訳（メタデータ） (2022-04-06T06:39:40Z)
Data-driven detector signal characterization with constrained bottleneck autoencoders [0.0]
制約付きボトルネックオートエンコーダという形でのディープラーニングは、データから直接、基盤となる未知の検出器応答モデルを学ぶために使用することができる。トレーニングされたアルゴリズムは、モデルの物理パラメータを推定し、高い忠実度で検出器応答をシミュレートし、検出器信号をデノネーズするために同時に使用することができる。
論文参考訳（メタデータ） (2022-03-09T09:46:10Z)
Passive learning to address nonstationarity in virtual flow metering applications [0.0]
本稿では,定常仮想フローメータの予測精度を維持するために,学習手法の適用方法について検討する。周期的バッチ学習とオンライン学習という2つの受動的学習法を、様々なキャリブレーション周波数で応用し、仮想フローメーターを訓練する。第1に、頻繁な到着測定が存在する場合、頻繁なモデル更新は、時間とともに優れた予測性能を保ち、第2に、間欠的かつ頻繁な到着測定が存在する場合、頻繁な更新は、性能の精度を高めるために不可欠である。
論文参考訳（メタデータ） (2022-02-07T14:42:00Z)
Time-Series Anomaly Detection with Implicit Neural Representation [0.38073142980733]
Inlicit Neural Representation-based Anomaly Detection (INRAD)を提案する。入力に時間がかかり、その時点で対応する値を出力する単純な多層パーセプトロンを訓練する。そして,その表現誤りを異常検出のための異常スコアとして利用する。
論文参考訳（メタデータ） (2022-01-28T06:17:24Z)
Wave-based extreme deep learning based on non-linear time-Floquet entanglement [0.7614628596146599]
強い非線形性を必要とする複雑なニューロモルフィック・コンピューティング・タスクは、これまで波動ベース・ソリューションのアウト・オブ・リーチに留まってきた。本稿では,周波数の異なる信号入力間の強い非線形絡み合いを誘発する時間-浮動小数点物理学の関連性を示す。エクストリームラーニングマシンと貯水池コンピューティングの手法の有効性を実証し,様々な学習課題を解決する。
論文参考訳（メタデータ） (2021-07-19T00:18:09Z)
Learning summary features of time series for likelihood free inference [93.08098361687722]
時系列データから要約機能を自動的に学習するためのデータ駆動型戦略を提案する。以上の結果から,データから要約的特徴を学習することで,手作りの値に基づいてLFI手法よりも優れる可能性が示唆された。
論文参考訳（メタデータ） (2020-12-04T19:21:37Z)
A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文参考訳（メタデータ） (2020-10-29T08:27:43Z)
Automatic Recall Machines: Internal Replay, Continual Learning and the Brain [104.38824285741248]
ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
論文参考訳（メタデータ） (2020-06-22T15:07:06Z)

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。