論文の概要: Post-hoc Interpretability based Parameter Selection for Data Oriented
Nuclear Reactor Accident Diagnosis System
- arxiv url: http://arxiv.org/abs/2208.01805v1
- Date: Wed, 3 Aug 2022 01:53:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-04 13:22:16.250481
- Title: Post-hoc Interpretability based Parameter Selection for Data Oriented
Nuclear Reactor Accident Diagnosis System
- Title（参考訳）: データ指向型原子炉事故診断システムのためのポストホック解釈性に基づくパラメータ選択
- Authors: Chengyuan Li. Meifu Li, Zhifang Qiu
- Abstract要約: 本研究では, 深層学習におけるポストホック解釈可能性理論を用いて, 原子力プラントの熱水理パラメータの選択法を提案する。
TRES-CNNに基づく診断モデルは,HPR1000の選択した15のパラメータを用いて,LOCAの破断の位置と大きさを正確に予測する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: During applying data-oriented diagnosis systems to distinguishing the type of
and evaluating the severity of nuclear power plant initial events, it is of
vital importance to decide which parameters to be used as the system input.
However, although several diagnosis systems have already achieved acceptable
performance in diagnosis precision and speed, hardly have the researchers
discussed the method of monitoring point choosing and its layout. For this
reason, redundant measuring data are used to train the diagnostic model,
leading to high uncertainty of the classification, extra training time
consumption, and higher probability of overfitting while training. In this
study, a method of choosing thermal hydraulics parameters of a nuclear power
plant is proposed, using the theory of post-hoc interpretability theory in deep
learning. At the start, a novel Time-sequential Residual Convolutional Neural
Network (TRES-CNN) diagnosis model is introduced to identify the position and
hydrodynamic diameter of breaks in LOCA, using 38 parameters manually chosen on
HPR1000 empirically. Afterwards, post-hoc interpretability methods are applied
to evaluate the attributions of diagnosis model's outputs, deciding which 15
parameters to be more decisive in diagnosing LOCA details. The results show
that the TRES-CNN based diagnostic model successfully predicts the position and
size of breaks in LOCA via selected 15 parameters of HPR1000, with 25% of time
consumption while training the model compared the process using total 38
parameters. In addition, the relative diagnostic accuracy error is within 1.5
percent compared with the model using parameters chosen empirically, which can
be regarded as the same amount of diagnostic reliability.
- Abstract（参考訳）: データ指向診断システムを適用して原子力発電所初期事象の重大度を識別し評価する場合、システム入力として使用するパラメータを決定することが重要となる。
しかし,いくつかの診断システムは診断精度と速度において既に許容できる性能を達成しているが,研究者らは点選択の方法とそのレイアウトについてはほとんど議論していない。
このため、冗長な測定データが診断モデルのトレーニングに使用され、分類の不確実性が高く、トレーニング時間の増加、トレーニング中のオーバーフィットの確率が高くなる。
本研究では, 深層学習におけるポストホック解釈可能性理論を用いて, 原子力発電所の熱水理パラメータを選択する手法を提案する。
はじめに新しい時間系列残差畳み込みニューラルネットワーク(tres-cnn)診断モデルを導入し,hpr1000で手動で選択した38個のパラメータを用いてlocaのブレークの位置と流体力学的径を同定した。
その後、診断モデルの出力の属性を評価し、LOCAの詳細な診断において、どのパラメータがより決定的かを決定する。
その結果, TRES-CNN を用いた診断モデルでは, HPR1000 の選択した15 個のパラメータを用いて, LOCA の破断位置と大きさを予測し, 25% の時間消費を予測できることがわかった。
さらに、相対的診断精度誤差は、経験的に選択されたパラメータを用いたモデルと比較して1.5パーセント以内であり、診断信頼性の同じ値と見なすことができる。
関連論文リスト
- Improving Machine Learning Based Sepsis Diagnosis Using Heart Rate Variability [0.0]
本研究の目的は、心拍変動(HRV)機能を用いて、敗血症検出のための効果的な予測モデルを開発することである。
ニューラルネットワークモデルは、HRVの特徴に基づいてトレーニングされ、F1スコアは0.805、精度は0.851、リコールは0.763である。
論文 参考訳（メタデータ） (2024-08-01T01:47:29Z) - Unified Uncertainty Estimation for Cognitive Diagnosis Models [70.46998436898205]
本稿では,幅広い認知診断モデルに対する統一的不確実性推定手法を提案する。
診断パラメータの不確かさをデータ・アスペクトとモデル・アスペクトに分解する。
本手法は有効であり,認知診断の不確実性に関する有用な知見を提供することができる。
論文 参考訳（メタデータ） (2024-03-09T13:48:20Z) - Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。
主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。
DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
論文 参考訳（メタデータ） (2023-01-01T05:02:46Z) - Representation Learning based and Interpretable Reactor System Diagnosis
Using Denoising Padded Autoencoder [0.779964823075849]
本稿では,ノイズや障害データに対する堅牢性を保証し,解釈可能な診断プロセスを提案する。
本研究の結果は、堅牢で解釈可能なインテリジェントリアクター異常診断システムを構築するための参照方法を提供する。
論文 参考訳（メタデータ） (2022-08-30T14:59:28Z) - NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model
with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。
本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。
以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文 参考訳（メタデータ） (2022-06-02T07:57:17Z) - Identification of Autism spectrum disorder based on a novel feature
selection method and Variational Autoencoder [7.0876609220947655]
安静時機能的磁気共鳴画像(rs-fMRI)のような非侵襲的脳イメージングは、自閉症スペクトラム障害(ASD)の早期診断に有望な解決策である
本稿では rs-fMRI に基づく ASD 診断を支援するための分類フレームワークを提案する。
論文 参考訳（メタデータ） (2022-04-07T08:50:48Z) - On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。
モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。
提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
論文 参考訳（メタデータ） (2021-10-17T13:42:37Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - Uncertainty aware and explainable diagnosis of retinal disease [0.0]
4つの網膜疾患の診断のための深層学習モデルの不確実性解析を行う。
不確実性が認識されている間にシステムが予測に使用する特徴は、システムが決定について確信が持たないときにハイライトする能力である。
論文 参考訳（メタデータ） (2021-01-26T23:37:30Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z)
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。