論文の概要: Predictive Maintenance for General Aviation Using Convolutional Transformers

• arxiv url: http://arxiv.org/abs/2110.03757v1
• Date: Thu, 7 Oct 2021 19:18:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 07:31:42.125724
• Title: Predictive Maintenance for General Aviation Using Convolutional Transformers
• Title（参考訳）: 畳み込み変圧器を用いた一般航空の予測保守
• Authors: Hong Yang, Aidan LaBella, Travis Desell
• Abstract要約: 本研究はNGAFID保守分類(NGAFID-MC)データセットを,難易度,サンプル数,シーケンス長の新たなベンチマークとして導入する。 NGAFID-MCは7,500回以上のラベル付き飛行で構成され、23のセンサーパラメータからなる秒間1秒あたり11,500時間以上のデータレコーダーの読み取りを表現している。 本稿では,コンボリューショナル・マルチヘッド・セルフアテンション(Conv-MHSA)と呼ばれる新しいアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 15.030537285435573
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Predictive maintenance systems have the potential to significantly reduce costs for maintaining aircraft fleets as well as provide improved safety by detecting maintenance issues before they come severe. However, the development of such systems has been limited due to a lack of publicly labeled multivariate time series (MTS) sensor data. MTS classification has advanced greatly over the past decade, but there is a lack of sufficiently challenging benchmarks for new methods. This work introduces the NGAFID Maintenance Classification (NGAFID-MC) dataset as a novel benchmark in terms of difficulty, number of samples, and sequence length. NGAFID-MC consists of over 7,500 labeled flights, representing over 11,500 hours of per second flight data recorder readings of 23 sensor parameters. Using this benchmark, we demonstrate that Recurrent Neural Network (RNN) methods are not well suited for capturing temporally distant relationships and propose a new architecture called Convolutional Multiheaded Self Attention (Conv-MHSA) that achieves greater classification performance at greater computational efficiency. We also demonstrate that image inspired augmentations of cutout, mixup, and cutmix, can be used to reduce overfitting and improve generalization in MTS classification. Our best trained models have been incorporated back into the NGAFID to allow users to potentially detect flights that require maintenance as well as provide feedback to further expand and refine the NGAFID-MC dataset.
• Abstract（参考訳）: 予測メンテナンスシステムは、航空機のメンテナンスのコストを大幅に削減する可能性があり、また、メンテナンス上の問題を検出することで安全性を向上させることができる。 しかし、mts(multivariate time series)センサーデータがないため、このようなシステムの開発は制限されている。 MTS分類は過去10年間に大きく進歩してきたが、新しい手法の十分なベンチマークが不足している。 本研究はNGAFID保守分類(NGAFID-MC)データセットを,難易度,サンプル数,シーケンス長の新たなベンチマークとして導入する。 ngafid-mcは7,500以上のラベル付き飛行で、1秒あたり11,500時間以上の飛行データレコーダーと23のセンサーパラメータで構成されている。 このベンチマークを用いて,リカレントニューラルネットワーク(recurrent neural network, rnn)手法は時間的距離関係を捉えるのにはあまり適さないことを示すとともに,計算効率の高い分類性能を実現する畳み込み型多頭型自己注意(convolutional multiheaded self attention, conv-mhsa)と呼ばれる新しいアーキテクチャを提案する。 また,画像にインスパイアされたカットアウト,ミックスアップ,カットミックスの強化により,過剰フィッティングを低減し,mts分類の一般化を改善できることを実証した。 私たちの最高のトレーニングモデルがNGAFIDに組み込まれており、メンテナンスが必要なフライトを検出したり、NGAFID-MCデータセットをさらに拡張して改善するためのフィードバックを提供することができます。

関連論文リスト

• Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis [50.18156030818883]
  異常と欠落したデータは、産業応用における厄介な問題を構成する。 ディープラーニングによる異常検出が重要な方向として現れている。 エッジデバイスで収集されたデータは、ユーザのプライバシを含む。
  論文  参考訳（メタデータ） (2024-11-06T15:38:31Z)
• A Lightweight Multi-Attack CAN Intrusion Detection System on Hybrid FPGAs [13.581341206178525]
  コントローラエリアネットワーク(CAN)における複数攻撃ベクトルの検出において、侵入検知と緩和アプローチが有望な結果を示している。 本稿では,Zynq Ultrascale+ (XCZU3EG) FPGA上にXilinxのDeep Learning Processing Unit IPを用いて,軽量なマルチアタック量子機械学習モデルを提案する。 このモデルは、99%以上の精度でサービス拒否とファジッシング攻撃を検知し、その偽陽性率は0.07%であり、これは文学における最先端技術に匹敵するものである。
  論文  参考訳（メタデータ） (2024-01-19T13:39:05Z)
• WiFi-TCN: Temporal Convolution for Human Interaction Recognition based on WiFi signal [4.0773490083614075]
  近年,Wi-Fiによる人間活動認識が注目されている。 Wi-FiベースのHARにまつわる課題は、シーンや被写体が変化するときのパフォーマンスが著しく低下することである。 本稿では,TN-AAと呼ばれる時間的畳み込みネットワークを利用した新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-21T08:37:32Z)
• A Large-Scale Annotated Multivariate Time Series Aviation Maintenance Dataset from the NGAFID [20.38907456958682]
  本報告では, 飛行記録とメンテナンスログデータを用いて, 部品の故障とメンテナンスの必要性を予測する。 28,935回の飛行で31,177時間の飛行データがあり、これは計画外のメンテナンスイベント2,111件に対して発生します。 飛行は前または後のように注釈付けされ、一部の飛行はメンテナンスの日に行われる。
  論文  参考訳（メタデータ） (2022-10-13T19:43:02Z)
• Automatic Rule Induction for Efficient Semi-Supervised Learning [56.91428251227253]
  半教師付き学習は、少量のラベル付きデータからNLPモデルを一般化できることを約束している。 事前訓練されたトランスモデルはブラックボックス相関エンジンとして機能し、説明が困難であり、時には信頼性に欠ける振る舞いをする。 本稿では,これらの課題に,簡易かつ汎用的なフレームワークであるAutomatic Rule Injection (ARI) を用いて対処することを提案する。
  論文  参考訳（メタデータ） (2022-05-18T16:50:20Z)
• Anomaly Detection for Unmanned Aerial Vehicle Sensor Data Using a Stacked Recurrent Autoencoder Method with Dynamic Thresholding [0.3441021278275805]
  本稿では,Long Short-Term Memory (LSTM) Deep Learning Autoencoderをベースとした,新しい動的しきい値決定アルゴリズムとUAVデータセットの異常検出のための重み付き損失関数を組み込んだシステムを提案する。 動的しきい値と重み付き損失関数は、精度関連性能指標と真の故障検出速度の両方において、標準静的しきい値法に有望な改善を示した。
  論文  参考訳（メタデータ） (2022-03-09T14:16:14Z)
• Robust Semi-supervised Federated Learning for Images Automatic Recognition in Internet of Drones [57.468730437381076]
  プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。 異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。 本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
  論文  参考訳（メタデータ） (2022-01-03T16:49:33Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• End-to-End Object Detection with Fully Convolutional Network [71.56728221604158]
  エンドツーエンド検出を実現するために,分類のための予測対応ワン・ツー・ワン (POTO) ラベルの割り当てを導入する。 局所領域における畳み込みの判別性を向上させるために, 簡易な3次元maxフィルタ(3dmf)を提案する。 エンドツーエンドのフレームワークは,COCOおよびCrowdHumanデータセット上のNMSを用いて,最先端の多くの検出器と競合する性能を実現する。
  論文  参考訳（メタデータ） (2020-12-07T09:14:55Z)
• Deep Anomaly Detection for Time-series Data in Industrial IoT: A Communication-Efficient On-device Federated Learning Approach [40.992167455141946]
  本稿では,IIoTにおける時系列データ検出のための,新しい通信効率の高いデバイス上でのフェデレーション学習(FL)に基づく深層異常検出フレームワークを提案する。 まず、分散エッジデバイスが協調して異常検出モデルを訓練し、その一般化能力を向上させるためのFLフレームワークを導入する。 次に,アテンションメカニズムに基づく畳み込みニューラルネットワーク-Long Short Term Memory (AMCNN-LSTM) モデルを提案し,異常を正確に検出する。 第三に,提案したフレームワークを産業異常検出のタイムラインに適用するために,トップテキスト選択に基づく勾配圧縮機構を提案する。
  論文  参考訳（メタデータ） (2020-07-19T16:47:26Z)
• Taurus: A Data Plane Architecture for Per-Packet ML [59.1343317736213]
  本稿では,線数推論のためのデータプレーンであるTaurusの設計と実装について述べる。 Taurus スイッチ ASIC の評価は,Taurus がサーバベースコントロールプレーンよりも桁違いに高速に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-12T09:18:36Z)

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。