Fugu-MT 論文翻訳(概要): Auto-Encoder-Extreme Learning Machine Model for Boiler NOx Emission Concentration Prediction

論文の概要: Auto-Encoder-Extreme Learning Machine Model for Boiler NOx Emission Concentration Prediction

arxiv url: http://arxiv.org/abs/2206.14496v1
Date: Wed, 29 Jun 2022 09:34:08 GMT
ステータス: 処理完了
システム内更新日: 2022-06-30 21:31:22.019239
Title: Auto-Encoder-Extreme Learning Machine Model for Boiler NOx Emission Concentration Prediction
Title（参考訳）: ボイラーnox濃度予測のためのオートエンコーダ・極値学習機械モデル
Authors: Zhenhao Tang, Shikui Wang, Xiangying Chai, Shengxian Cao, Tinghui Ouyang, Yang Li
Abstract要約: 自動エンコーダ(AE)極端学習機(ELM)-AE-ELMモデルを提案し,NOx排出濃度を予測する。実験結果から,提案モデルが最先端モデルと比較して有望な性能を示したことが示唆された。
参考スコア（独自算出の注目度）: 4.575959864647109
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: An automatic encoder (AE) extreme learning machine (ELM)-AE-ELM model is proposed to predict the NOx emission concentration based on the combination of mutual information algorithm (MI), AE, and ELM. First, the importance of practical variables is computed by the MI algorithm, and the mechanism is analyzed to determine the variables related to the NOx emission concentration. Then, the time delay correlations between the selected variables and NOx emission concentration are further analyzed to reconstruct the modeling data. Subsequently, the AE is applied to extract hidden features within the input variables. Finally, an ELM algorithm establishes the relationship between the NOx emission concentration and deep features. The experimental results on practical data indicate that the proposed model shows promising performance compared to state-of-art models.
Abstract（参考訳）: 相互情報アルゴリズム(MI)、AE、EMMの組み合わせに基づき、NOx排出濃度を予測するために、自動エンコーダ(AE)極端学習機(ELM)-AE-ELMモデルを提案する。まず,miアルゴリズムによって実用変数の重要性を計算し,その機構を分析し,nox排出濃度に関連する変数を決定する。そして、選択した変数とnox放射濃度との時間遅延相関をさらに分析してモデル化データを再構成する。その後、AEを適用して入力変数内の隠れた特徴を抽出する。最後に、ELMアルゴリズムはNOx放出濃度と深い特徴の関係を確立する。実験結果から,提案モデルが最先端モデルと比較して有望な性能を示すことが示された。

関連論文リスト

Initialization Method for Factorization Machine Based on Low-Rank Approximation for Constructing a Corrected Approximate Ising Model [1.194799054956877]
Isingモデルは、機械学習モデルであるFacterization Machine(FM)を用いて、高い精度で近似される。 FMQAの最適化性能は、ウォームスタート方式の実装により向上することが期待されている。
論文参考訳（メタデータ） (2024-10-16T17:06:55Z)
Learning Equivariant Non-Local Electron Density Functionals [51.721844709174206]
Equivariant Graph Exchange correlation (EG-XC) は、同変グラフニューラルネットワークに基づく新しい非局所XC関数である。 EG-XCは、半局所関数と同変核中心点雲表現によってパラメータ化された非局所特徴密度を結合する。 MD17では,金標準のCCSD(T)エネルギーを正確に再構成するEG-XCが発見された。
論文参考訳（メタデータ） (2024-10-10T14:31:45Z)
Predictive Maintenance Model Based on Anomaly Detection in Induction Motors: A Machine Learning Approach Using Real-Time IoT Data [0.0]
本研究では,ポンプ,圧縮機,ファン,その他の産業機械で使用される誘導電動機の異常検出システムについて紹介する。我々は、計算コストの低い前処理技術と機械学習(ML)モデルの組み合わせを用いる。
論文参考訳（メタデータ） (2023-10-15T18:43:45Z)
Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文参考訳（メタデータ） (2023-04-08T07:55:36Z)
Spatially-resolved Thermometry from Line-of-Sight Emission Spectroscopy via Machine Learning [2.449329947677678]
本研究の目的は, 温度分布測定におけるデータ駆動モデルの利用について検討することである。 i)特徴工学と古典的機械学習アルゴリズム、(ii)エンドツーエンド畳み込みニューラルネットワーク(CNN)の2つのカテゴリが分析されている。本手法は, ガス混合ガス中の種濃度分布が未知であっても, 低分解能スペクトルから不均一な温度分布を測定することができる。
論文参考訳（メタデータ） (2022-12-15T13:46:15Z)
Adaptive LASSO estimation for functional hidden dynamic geostatistical model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文参考訳（メタデータ） (2022-08-10T19:17:45Z)
Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文参考訳（メタデータ） (2022-02-18T22:41:51Z)
Machine Learning Enhances Algorithms for Quantifying Non-Equilibrium Dynamics in Correlation Spectroscopy Experiments to Reach Frame-Rate-Limited Time Resolution [0.0]
非平衡二時間強度-強度相関関数を解析するためのアルゴリズムに、デノナイズドオートエンコーダモデルを統合する。ノイズ低減により、フレームレートに制限された時間分解能でサンプル力学を特徴付けるパラメータを抽出することができる。
論文参考訳（メタデータ） (2022-01-17T02:36:23Z)
Prediction of liquid fuel properties using machine learning models with Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
論文参考訳（メタデータ） (2021-10-18T14:43:50Z)
Quaternion Factorization Machines: A Lightweight Solution to Intricate Feature Interaction Modelling [76.89779231460193]
factorization machine(fm)は、機能間の高次インタラクションを自動的に学習し、手動の機能エンジニアリングを必要とせずに予測を行うことができる。本研究では,スパース予測解析のためのQFM(Quaternion factorization Machine)とQNFM(Quaternion neural factorization Machine)を提案する。
論文参考訳（メタデータ） (2021-04-05T00:02:36Z)
Unbiased Gradient Estimation for Variational Auto-Encoders using Coupled Markov Chains [34.77971292478243]
変分オートエンコーダ(VAE)は、オートエンコーダのようなアーキテクチャで2つのニューラルネットワークを持つ、潜伏変数モデルである。ログ型勾配の偏りのない推定器を導入することにより,VAEのトレーニング手法を開発する。偏りのない推定器を装着したVAEは予測性能が向上することを示した。
論文参考訳（メタデータ） (2020-10-05T08:11:55Z)

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。