論文の概要: Deep Convolutional Autoencoder for Assessment of Anomalies in
Multi-stream Sensor Data
- arxiv url: http://arxiv.org/abs/2202.07592v1
- Date: Tue, 15 Feb 2022 17:28:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-16 16:35:29.668004
- Title: Deep Convolutional Autoencoder for Assessment of Anomalies in
Multi-stream Sensor Data
- Title(参考訳): マルチストリームセンサデータにおける異常評価のための深部畳み込みオートエンコーダ
- Authors: Anthony Geglio, Eisa Hedayati, Mark Tascillo, Dyche Anderson, Jonathan
Barker, Timothy C. Havens
- Abstract要約: マルチセンサ駆動サイクルデータにおける異常検出のための完全畳み込みオートエンコーダを開発した。
予備的な結果は、トレーニングされたオートエンコーダを用いて、障害駆動サイクルの復元誤差が、健康駆動サイクルの再構成と比較して著しくずれていることを示している。
- 参考スコア(独自算出の注目度): 3.61944432622099
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A fully convolutional autoencoder is developed for the detection of anomalies
in multi-sensor vehicle drive-cycle data from the powertrain domain.
Preliminary results collected on real-world powertrain data show that the
reconstruction error of faulty drive cycles deviates significantly relative to
the reconstruction of healthy drive cycles using the trained autoencoder. The
results demonstrate applicability for identifying faulty drive-cycles, and for
improving the accuracy of system prognosis and predictive maintenance in
connected vehicles.
- Abstract(参考訳): パワートレイン領域からの多センサ駆動サイクルデータにおける異常検出のための完全畳み込みオートエンコーダを開発した。
実世界のパワートレインデータから得られた予備結果は,故障ドライブサイクルの再構成誤差が,トレーニングされたオートエンコーダを用いた正常ドライブサイクルの再構成に比較して有意に低下することを示している。
これらの結果から, 故障駆動サイクルの同定, システム予後の精度向上, 連結車両の予測保守性の向上が期待できる。
関連論文リスト
- Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳(メタデータ) (2023-09-21T15:00:31Z) - Think Twice before Driving: Towards Scalable Decoders for End-to-End
Autonomous Driving [74.28510044056706]
既存のメソッドは通常、分離されたエンコーダ-デコーダパラダイムを採用する。
本研究は,この問題を2つの原則で緩和することを目的としている。
まず、エンコーダの特徴に基づいて、粗い将来の位置と行動を予測する。
そして、その位置と動作を条件に、将来のシーンを想像して、それに従って運転した場合にその影響を確認する。
論文 参考訳(メタデータ) (2023-05-10T15:22:02Z) - Autoencoder based Anomaly Detection and Explained Fault Localization in
Industrial Cooling Systems [0.32956425475258266]
大規模産業用冷却システムにおける異常検出のための自動エンコーダに基づくエンドツーエンドワークフローを提案する。
総復元誤差のしきい値を用いてシステム障害を同定する。
フォールトローカライゼーションでは,個々の再構成誤差を計算する。
論文 参考訳(メタデータ) (2022-10-14T09:28:49Z) - Machine Learning to Predict Aerodynamic Stall [0.0]
畳み込みオートエンコーダは、翼の空気力学シミュレーションのデータベースを用いて訓練される。
目的は, 屋台を予測し, 翼圧力分布の線形応答と非線形応答を区別するオートエンコーダの能力を調べることである。
論文 参考訳(メタデータ) (2022-07-07T16:50:10Z) - Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。
ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文 参考訳(メタデータ) (2022-01-20T06:36:35Z) - 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) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳(メタデータ) (2021-07-28T10:19:58Z) - Automotive Radar Interference Mitigation with Unfolded Robust PCA based
on Residual Overcomplete Auto-Encoder Blocks [88.46770122522697]
自律走行では、レーダーシステムは道路上の他の車両のような標的を検出する上で重要な役割を果たす。
自動車用レーダー干渉緩和のための深層学習手法は、目標の振幅を確実に推定できるが、それぞれの目標の位相を回復できない。
干渉の有無で振幅と位相の両方を推定できる効率的かつ効率的な手法を提案する。
論文 参考訳(メタデータ) (2020-10-14T09:41:06Z) - Anomaly Detection with SDAE [2.9447568514391067]
A Simple, Deep, and Supervised Deep Autoencoder were trained and comparison for anomaly detection over the ASHRAE building energy data。
ディープ・オートエンコーダが最も優れているが、スーパービジョンド・ディープ・オートエンコーダは検出された全異常において他のモデルよりも優れている。
論文 参考訳(メタデータ) (2020-04-09T07:22:08Z) - Anomaly Detection using Deep Autoencoders for in-situ Wastewater Systems
Monitoring Data [0.0]
本稿では, 深部自動エンコーダを用いた廃棄物システム監視データの異常検出手法を提案する。
そして、復号ステージの復元誤差に基づいて異常検出を行う。
論文 参考訳(メタデータ) (2020-02-07T09:53:46Z)
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。