Fugu-MT 論文翻訳(概要): A Benchmark dataset for predictive maintenance

論文の概要: A Benchmark dataset for predictive maintenance

arxiv url: http://arxiv.org/abs/2207.05466v1
Date: Tue, 12 Jul 2022 11:25:53 GMT
ステータス: 処理完了
システム内更新日: 2022-07-13 13:25:11.883794
Title: A Benchmark dataset for predictive maintenance
Title（参考訳）: 予測保守のためのベンチマークデータセット
Authors: Bruno Veloso, Jo\~ao Gama, Rita P. Ribeiro, Pedro M. Pereira
Abstract要約: 本論文は,ポルトガルのポルトにある都市部公共交通サービスによる予測保守プロジェクトの成果である鉄道データセットについて述べる。 2020年から2022年の間に収集されたデータは、オンラインの異常検出と障害予測のための機械学習手法の開発を目的としていた。
参考スコア（独自算出の注目度）: 0.688204255655161
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The paper describes the Railway data set, an outcome of a Predictive Maintenance project with an urban metro public transportation service in Porto, Portugal. The data was collected between 2020 and 2022 that aimed to develop machine learning methods for online anomaly detection and failure prediction. By capturing several analogic sensor signals (pressure, temperature, current consumption), digital signals (control signals, discrete signals), and GPS information (latitude, longitude, and speed), we provide a framework that can be easily used and developed for the new machine learning methods. We believe this dataset contains some interesting characteristics and can be a good benchmark for predictive maintenance models.
Abstract（参考訳）: 本稿は,ポルトガル・ポルト市における都市都市公共交通サービスによる予測保守プロジェクトの成果である鉄道データセットについて述べる。データは2020年から2022年にかけて収集され、オンライン異常検出と障害予測のための機械学習手法の開発を目的としていた。いくつかのアナログセンサ信号(圧力、温度、電流消費)、デジタル信号(制御信号、離散信号)、GPS情報(緯度、経度、速度)をキャプチャすることで、新しい機械学習手法で容易に使用・開発できるフレームワークを提供する。このデータセットには興味深い特徴がいくつか含まれており、予測メンテナンスモデルの優れたベンチマークになると考えています。

関連論文リスト

Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文参考訳（メタデータ） (2024-01-12T14:56:45Z)
JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文参考訳（メタデータ） (2023-11-05T18:59:31Z)
Assessing the predicting power of GPS data for aftershocks forecasting [0.0]
本稿では,2015年から2019年にかけての地震カタログの余震予測のための機械学習手法を提案する。提案手法は,主衝撃時のGPS測位システム(Global Positioning System, Global Positioning System, GPS)で測定した地表面の変形を単独で入力し, 畳み込みニューラルネットワーク(CNN)を用いて処理する。予測の精度はGPS局の密度に大きく依存している。
論文参考訳（メタデータ） (2023-05-17T18:49:37Z)
Time-to-Green predictions for fully-actuated signal control systems with supervised learning [56.66331540599836]
本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
論文参考訳（メタデータ） (2022-08-24T07:50:43Z)
Meta-Learning over Time for Destination Prediction Tasks [53.12827614887103]
交通分野における公共目的と民間目標の両方を、車両の行動を理解し、予測する必要がある。近年の研究では、時間情報の導入による予測性能の限界改善しか見出されていない。本稿では、ニューラルネットワークが入力に応じて自身の重みを変えることを学習するハイパーネットワークに基づくアプローチを提案する。
論文参考訳（メタデータ） (2022-06-29T17:58:12Z)
Benchmarking high-fidelity pedestrian tracking systems for research, real-time monitoring and crowd control [55.41644538483948]
実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。この技術が進歩するにつれて、社会においても益々有用になってきている。歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
論文参考訳（メタデータ） (2021-08-26T11:45:26Z)
Machine Learning based System for Vessel Turnaround Time Prediction [0.0]
本稿では,機械学習と標準ポートコールデータに基づいて容器回転時間を予測する新しいシステムを提案する。ボルドー港で広範な評価が行われ、11年間のポートコールデータの結果を報告しています。
論文参考訳（メタデータ） (2021-04-28T15:14:42Z)
A Graph Convolutional Network with Signal Phasing Information for Arterial Traffic Prediction [63.470149585093665]
動脈交通予測は現代のインテリジェント交通システムの発展に重要な役割を担っています動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
論文参考訳（メタデータ） (2020-12-25T01:40:29Z)
Vehicle predictive trajectory patterns from isochronous data [0.0]
本稿では,ビデオ,ArduinoUno,コンパスセンサHDMM01からのデータ融合を用いて,グラーツ(オーストリア)における等時軌道パターンの評価とマッピングを行う。本研究は, 軌道パターンが現在の軌道パターンの進化を予測することに成功し, 将来の走行状況を評価することができることを示した。
論文参考訳（メタデータ） (2020-10-10T15:17:19Z)
BusTime: Which is the Right Prediction Model for My Bus Arrival Time? [3.1761486589684975]
本稿では, このギャップを補うために, 広く用いられている予測モデルを解析するための汎用的, 実用的な評価枠組みを提案する。特に、このフレームワークには、入力データポイントをはるかに少なくする生のバスGPSデータ前処理方法が含まれている。また,都市マネジャーに対して,一般的な予測モデルのトレーニングおよび予測段階における実践的強みと弱みを分析し,予備的な結果を提示する。
論文参考訳（メタデータ） (2020-03-20T17:03:36Z)
A Supervised Machine Learning Model For Imputing Missing Boarding Stops In Smart Card Data [0.0]
そこで本研究では,通常の分類に基づいて,搭乗停止を指示する教師あり機械学習手法を開発した。その結果は、イスラエルのBeer Sheva市で行われたケーススタディに基づいており、1ヶ月のスマートカードデータで構成されている。
論文参考訳（メタデータ） (2020-03-10T12:07:39Z)

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。