Fugu-MT 論文翻訳(概要): A Hybrid CNN-LSTM Approach for Laser Remaining Useful Life Prediction

論文の概要: A Hybrid CNN-LSTM Approach for Laser Remaining Useful Life Prediction

arxiv url: http://arxiv.org/abs/2203.12415v1
Date: Sat, 19 Mar 2022 09:08:14 GMT
ステータス: 処理完了
システム内更新日: 2022-03-26 21:56:25.812505
Title: A Hybrid CNN-LSTM Approach for Laser Remaining Useful Life Prediction
Title（参考訳）: レーザー寿命予測のためのハイブリッドcnn-lstm法
Authors: khouloud Abdelli, Helmut Griesser, and Stephan Pachnicke
Abstract要約: 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。
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 hybrid prognostic model based on convolutional neural networks (CNN) and long short-term memory (LSTM) is proposed to predict the laser remaining useful life (RUL). The experimental results show that it outperforms the conventional methods.
Abstract（参考訳）: 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予測モデルを提案し,レーザー残効寿命(RUL)を予測する。実験の結果,従来の方法よりも優れていた。

関連論文リスト

Fully Spiking Denoising Diffusion Implicit Models [61.32076130121347]
スパイキングニューラルネットワーク(SNN)は、超高速のニューロモルフィックデバイス上で走る能力のため、かなりの注目を集めている。本研究では,SNN内で拡散モデルを構築するために,拡散暗黙モデル (FSDDIM) を完全にスパイクする新しい手法を提案する。提案手法は,最先端の完全スパイク生成モデルよりも優れていることを示す。
論文参考訳（メタデータ） (2023-12-04T09:07:09Z)
Extreme-Long-short Term Memory for Time-series Prediction [0.0]
Long Short-Term Memory (LSTM)は、新しいタイプのリカレントニューラルネットワーク(RNN)である本稿では,高度なLSTMアルゴリズムであるExtreme Long Short-Term Memory (E-LSTM)を提案する。新しいE-LSTMは、7番目のエポックなLSTMの結果を得るためには2エポックしか必要としない。
論文参考訳（メタデータ） (2022-10-15T09:45:48Z)
Bayesian Neural Network Language Modeling for Speech Recognition [59.681758762712754]
長期記憶リカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端のニューラルネットワーク言語モデル(NNLM)は非常に複雑になりつつある。本稿では,LSTM-RNN と Transformer LM の基盤となる不確実性を考慮するために,ベイズ学習フレームワークの全体構造を提案する。
論文参考訳（メタデータ） (2022-08-28T17:50:19Z)
FastCPH: Efficient Survival Analysis for Neural Networks [57.03275837523063]
我々は,線形時間で動作する新しい手法であるFastCPHを提案し,連結イベントに対する標準的なBreslow法とEfron法の両方をサポートする。また,FastCPHとLassoNetの併用による特徴空間の解釈性も実証した。
論文参考訳（メタデータ） (2022-08-21T03:35:29Z)
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)
Can we learn gradients by Hamiltonian Neural Networks? [68.8204255655161]
本稿では,勾配を学習するODEニューラルネットワークに基づくメタラーナを提案する。提案手法は,LLUアクティベーションを最適化したMLMとMNISTデータセットにおいて,LSTMに基づくメタラーナーよりも優れていることを示す。
論文参考訳（メタデータ） (2021-10-31T18:35:10Z)
Simulation of Open Quantum Dynamics with Bootstrap-Based Long Short-Term Memory Recurrent Neural Network [0.0]
ブートストラップ法はLSTM-NNの構成と予測に適用される。ブートストラップに基づくLSTM-NNアプローチは、オープンシステムの長期量子力学を伝播する実用的で強力なツールである。
論文参考訳（メタデータ） (2021-08-03T05:58:54Z)
Invertible Surrogate Models: Joint surrogate modelling and reconstruction of Laser-Wakefield Acceleration by invertible neural networks [55.41644538483948]
可逆ニューラルネットワークは、機械学習の最近の技術である。我々は、レーザープラズマ加速器(iLWFA)に関わる物理学の複雑な前方シミュレーションを近似する可逆サロゲートモデルを導入する。
論文参考訳（メタデータ） (2021-06-01T12:26:10Z)
Process Outcome Prediction: CNN vs. LSTM (with Attention) [0.15229257192293202]
時系列問題に対する畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)の性能について検討する。その結果,これらのニューラルネットワークは高い予測能力に満足できることがわかった。 CNNのスピード、早期予測力、堅牢性は、プロセス結果予測への適用の道を開くべきだと主張しています。
論文参考訳（メタデータ） (2021-04-14T15:38:32Z)
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)
Automatic Remaining Useful Life Estimation Framework with Embedded Convolutional LSTM as the Backbone [5.927250637620123]
組込み畳み込みLSTM(E NeuralTM)と呼ばれる新しいLSTM変種を提案する。 ETMでは、異なる1次元の畳み込みの群がLSTM構造に埋め込まれている。 RUL推定のために広く用いられているいくつかのベンチマークデータセットに対する最先端のアプローチよりも,提案したEMMアプローチの方が優れていることを示す。
論文参考訳（メタデータ） (2020-08-10T08:34:20Z)

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。