Fugu-MT 論文翻訳(概要): Federated Learning Approach for Lifetime Prediction of Semiconductor Lasers

論文の概要: Federated Learning Approach for Lifetime Prediction of Semiconductor Lasers

arxiv url: http://arxiv.org/abs/2203.12414v1
Date: Sat, 19 Mar 2022 09:02:26 GMT
ステータス: 処理完了
システム内更新日: 2022-03-26 22:00:55.349313
Title: Federated Learning Approach for Lifetime Prediction of Semiconductor Lasers
Title（参考訳）: 半導体レーザの寿命予測のための連合学習手法
Authors: khouloud Abdelli, Helmut Griesser, and Stephan Pachnicke
Abstract要約: 新たなプライバシ保護フェデレーション学習フレームワークにより、レーザーメーカーは、堅牢なMLベースのレーザー寿命予測モデルを構築することができる。平均的な絶対誤差は0.1年で、性能は大幅に向上する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A new privacy-preserving federated learning framework allowing laser manufacturers to collaboratively build a robust ML-based laser lifetime prediction model, is proposed. It achieves a mean absolute error of 0.1 years and a significant performance improvement
Abstract（参考訳）: レーザーメーカが堅牢なMLベースのレーザー寿命予測モデルを構築するための,新たなプライバシ保護フェデレーション学習フレームワークを提案する。平均的な絶対誤差0.1年の達成と大幅な性能向上

関連論文リスト

CoMMIT: Coordinated Instruction Tuning for Multimodal Large Language Models [68.64605538559312]
本稿では,MLLM命令のチューニングを理論的・経験的両面から解析する。そこで本研究では,学習バランスを定量的に評価する尺度を提案する。さらに,MLLMの生成分布の更新を促進する補助的損失正規化手法を提案する。
論文参考訳（メタデータ） (2024-07-29T23:18:55Z)
ShadowLLM: Predictor-based Contextual Sparsity for Large Language Models [67.97667465509504]
我々は,LLMの挙動を隠蔽し,より親密なパターンを強制できる新しい予測器であるShadowLLMを開発した。 ShadowLLMは最先端のDejaVuフレームワーク上で最大20%のスピードアップを達成する。
論文参考訳（メタデータ） (2024-06-24T13:41:08Z)
Unifying Synergies between Self-supervised Learning and Dynamic Computation [53.66628188936682]
SSLとDCのパラダイム間の相互作用に関する新しい視点を提示する。 SSL設定において、スクラッチから高密度かつゲートされたサブネットワークを同時に学習することは可能であることを示す。密集エンコーダとゲートエンコーダの事前学習における共進化は、良好な精度と効率のトレードオフをもたらす。
論文参考訳（メタデータ） (2023-01-22T17:12:58Z)
Degradation Prediction of Semiconductor Lasers using Conditional Variational Autoencoder [0.0]
本稿では, 特定の知識や物理モデルを用いることなく, 劣化傾向を予測できる新しいデータ駆動手法を提案する。提案手法は、教師なし手法、条件付き変分オートエンコーダに基づいており、垂直キャビティ表面発光レーザ(VCSEL)と可変エッジ発光レーザ信頼性データを用いて検証されている。実験結果から,(i)F1スコア95.3%,(ii)ベースラインMLに基づく異常検出技術に優れ,(iii)故障したデバイスを早期に予測して老化試験の短縮に役立てることにより,モデルが良好な劣化予測と一般化性能を達成できることが確認された。
論文参考訳（メタデータ） (2022-11-05T08:10:11Z)
A Machine Learning-based Framework for Predictive Maintenance of Semiconductor Laser for Optical Communication [0.0]
半導体チューナブルレーザーの加速時効試験から得られた実験データを用いて,本フレームワークの有効性を検証した。提案手法は,小さな根平均二乗誤差(RMSE)0.01,優れた異常検出精度94.24%,既存のMLベースのレーザRUL予測モデルよりも優れたRUL推定能力を有する,非常に優れた劣化性能予測性能を実現する。
論文参考訳（メタデータ） (2022-11-05T07:53:02Z)
Machine Learning based Laser Failure Mode Detection [0.0]
本稿では,Long Short-Term Memory(LSTM)リカレントニューラルネットワークに基づくデータ駆動型故障検出手法を提案する。 24.41%の分類精度を達成し、LSTMベースのモデルは95.52%の精度を達成する。
論文参考訳（メタデータ） (2022-03-19T09:46:19Z)
Lifetime Prediction of 1550 nm DFB Laser using Machine learning Techniques [0.0]
InGaAsP MQW-DFBレーザーダイオードの寿命予測のためのニューラルネットワーク(ANN)に基づく新しい手法を提案する。加速度的老化試験により従来の寿命予測よりも優れる。
論文参考訳（メタデータ） (2022-03-19T09:36:25Z)
A Hybrid CNN-LSTM Approach for Laser Remaining Useful Life Prediction [0.0]
畳み込みニューラルネットワーク(CNN)と長短期記憶(LSTM)に基づくハイブリッド型予後モデルを提案し, レーザー残効寿命(RUL)を予測する。実験の結果,従来の手法よりも優れた性能を示した。
論文参考訳（メタデータ） (2022-03-19T09:08:14Z)
Learning representations with end-to-end models for improved remaining useful life prognostics [64.80885001058572]
残りの設備の実用寿命(RUL)は、現在の時刻と故障までの期間として定義される。マルチ層パーセプトロンと長期メモリ層(LSTM)に基づくエンドツーエンドのディープラーニングモデルを提案し、RULを予測する。提案するエンド・ツー・エンドのモデルがこのような優れた結果を達成し、他のディープラーニングや最先端の手法と比較する方法について論じる。
論文参考訳（メタデータ） (2021-04-11T16:45:18Z)
Transfer Learning without Knowing: Reprogramming Black-box Machine Learning Models with Scarce Data and Limited Resources [78.72922528736011]
そこで我々は,ブラックボックス・アタベラル・リプログラミング (BAR) という新しい手法を提案する。ゼロオーダー最適化とマルチラベルマッピング技術を用いて、BARは入力出力応答のみに基づいてブラックボックスMLモデルをプログラムする。 BARは最先端の手法より優れ、バニラ対逆プログラミング法に匹敵する性能を得る。
論文参考訳（メタデータ） (2020-07-17T01:52:34Z)
Predictive modeling approaches in laser-based material processing [59.04160452043105]
本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
論文参考訳（メタデータ） (2020-06-13T17:28:52Z)

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。