論文の概要: Learning Informative Health Indicators Through Unsupervised Contrastive
Learning
- arxiv url: http://arxiv.org/abs/2208.13288v2
- Date: Mon, 23 Oct 2023 08:12:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 14:56:58.554049
- Title: Learning Informative Health Indicators Through Unsupervised Contrastive
Learning
- Title(参考訳): 教師なしコントラスト学習によるインフォーマティブヘルス指標の学習
- Authors: Katharina Rombach, Gabriel Michau, Wilfried B\"urzle, Stefan Koller
and Olga Fink
- Abstract要約: 本研究では,教師なしコントラスト学習に基づく健康指標学習のための,新しい普遍的アプローチを提案する。
運用時間は資産の劣化状態のプロキシとして機能し、対照的な特徴空間の学習を可能にする。
鉄道車輪欠陥の故障検出における学習型健康指標の適合性を評価する。
- 参考スコア(独自算出の注目度): 5.57229364784646
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Condition monitoring is essential to operate industrial assets safely and
efficiently. To achieve this goal, the development of robust health indicators
has recently attracted significant attention. These indicators, which provide
quantitative real-time insights into the health status of industrial assets
over time, serve as valuable tools for fault detection and prognostics. In this
study, we propose a novel and universal approach to learn health indicators
based on unsupervised contrastive learning. Operational time acts as a proxy
for the asset's degradation state, enabling the learning of a contrastive
feature space that facilitates the construction of a health indicator by
measuring the distance to the healthy condition. To highlight the universality
of the proposed approach, we assess the proposed contrastive learning framework
in two distinct tasks - wear assessment and fault detection - across two
different case studies: a milling machines case study and a real condition
monitoring case study of railway wheels from operating trains. First, we
evaluate if the health indicator is able to learn the real health condition on
a milling machine case study where the ground truth wear condition is
continuously measured. Second, we apply the proposed method on a real case
study of railway wheels where the ground truth health condition is not known.
Here, we evaluate the suitability of the learned health indicator for fault
detection of railway wheel defects. Our results demonstrate that the proposed
approach is able to learn the ground truth health evolution of milling machines
and the learned health indicator is suited for fault detection of railway
wheels operated under various operating conditions by outperforming
state-of-the-art methods. Further, we demonstrate that our proposed approach is
universally applicable to different systems and different health conditions.
- Abstract(参考訳): 産業資産の安全かつ効率的な運用には条件監視が不可欠である。
この目標を達成するために、堅牢な健康指標の開発が近年大きな注目を集めている。
これらの指標は、産業資産の経時的健康状態に関する定量的な洞察を提供し、障害検出や予後予測に有用なツールとなる。
本研究では,教師なしコントラスト学習に基づく健康指標を学習するための新しい普遍的アプローチを提案する。
運用時間は資産の劣化状態の代理として働き、健康状態までの距離を測定することで健康指標の構築を容易にする対照的な特徴空間の学習を可能にする。
提案手法の普遍性を強調するために,本提案手法は,鉄道車両の鉄道車輪の実況監視ケーススタディとミリングマシンケーススタディの2つの異なるケーススタディにおいて,2つの異なるタスク(摩耗評価と故障検出)で比較学習フレームワークを評価した。
まず,地中真実の摩耗状態を連続的に測定したミリング機械ケーススタディにおいて,健康指標が実際の健康状態を学習できるかどうかを評価する。
第二に,提案手法を,地上の真実の健康状態が不明な鉄道車両の実例研究に適用する。
ここでは、鉄道車輪欠陥の故障検出のための学習健康指標の適合性を評価する。
その結果,提案手法は製粉機の基礎的真理の健康発展を学習でき,学習した健康指標は運転条件の異なる鉄道車両の故障検出に好適であることがわかった。
さらに,提案手法は異なるシステムと異なる健康状態に普遍的に適用可能であることを示す。
関連論文リスト
- Condition Monitoring with Incomplete Data: An Integrated Variational Autoencoder and Distance Metric Framework [2.7898966850590625]
本稿では,未確認データに対する故障検出と条件モニタリングのための新しい手法を提案する。
我々は変分オートエンコーダを用いて、以前に見られた新しい未知条件の確率分布をキャプチャする。
故障は、健康指標のしきい値を確立することで検出され、そのモデルが重大で見えない断層を高い精度で識別することができる。
論文 参考訳(メタデータ) (2024-04-08T22:20:23Z) - Deep Reinforcement Learning Empowered Activity-Aware Dynamic Health
Monitoring Systems [69.41229290253605]
既存のモニタリングアプローチは、医療機器が複数の健康指標を同時に追跡するという前提で設計されている。
これは、その範囲内で関連するすべての健康値を報告し、過剰なリソース使用と外部データの収集をもたらす可能性があることを意味します。
最適なモニタリング性能とコスト効率のバランスをとるための動的アクティビティ・アウェアヘルスモニタリング戦略(DActAHM)を提案する。
論文 参考訳(メタデータ) (2024-01-19T16:26:35Z) - A Comparison of Residual-based Methods on Fault Detection [6.675805308519987]
本研究では,産業システムにおける欠陥検出のための残差に基づく2つのアプローチを比較した。
性能評価は, 健康指標構築, 断層検出, 健康指標解釈の3つの課題に焦点をあてる。
その結果、両モデルとも平均20サイクルの遅延で故障を検出でき、偽陽性率を低く維持できることがわかった。
論文 参考訳(メタデータ) (2023-09-05T14:39:27Z) - U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep
Staging [61.6346401960268]
プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。
不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
論文 参考訳(メタデータ) (2023-06-07T08:27:36Z) - Walk4Me: Telehealth Community Mobility Assessment, An Automated System
for Early Diagnosis and Disease Progression [2.96872688940436]
本研究では,早期診断,重症度,進行診断を容易にする遠隔地移動度評価システムであるWalk4Meを紹介する。
これを実現するために、我々は、人工知能(AI)を用いた、患者および典型的に発達する仲間の歩行特性の検出を用いる。
我々のシステムは,新しいWalk4Me APIを用いて,デバイスセンサ(モバイルデバイスからの加速度など)からリモートおよびリアルタイムにデータを収集する。
論文 参考訳(メタデータ) (2023-05-05T10:47:34Z) - Diagnosing failures of fairness transfer across distribution shift in
real-world medical settings [60.44405686433434]
分散シフト下でのモデルフェアネスの変化の診断と緩和は、医療環境における機械学習の安全な展開の重要な構成要素である。
この知識は、文献でしばしば想定されるよりも現実のシフトがより複雑である事例を含む、公平性伝達の失敗の診断に有効であることを示す。
論文 参考訳(メタデータ) (2022-02-02T13:59:23Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳(メタデータ) (2021-11-08T07:57:30Z) - Generalized Out-of-Distribution Detection: A Survey [83.0449593806175]
アウト・オブ・ディストリビューション(OOD)検出は、機械学習システムの信頼性と安全性を確保するために重要である。
その他の問題として、異常検出(AD)、新規検出(ND)、オープンセット認識(OSR)、異常検出(OD)などがある。
まず、上記の5つの問題を含む一般化OOD検出という統合されたフレームワークを提案する。
論文 参考訳(メタデータ) (2021-10-21T17:59:41Z) - Confidence-based Out-of-Distribution Detection: A Comparative Study and
Analysis [17.398553230843717]
我々は、信頼度に基づくOOD検出のための様々な最先端手法の能力を評価する。
まず,コンピュータビジョンベンチマークを用いて複数のOOD検出手法を再現・比較する。
次に,胸部X線を用いた疾患分類の課題に対して,その能力を評価する。
論文 参考訳(メタデータ) (2021-07-06T12:10:09Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳(メタデータ) (2020-11-17T15:18:38Z) - Health Indicator Forecasting for Improving Remaining Useful Life
Estimation [12.250035750661866]
本稿では,健康指標予測のための新しい生成・シナリオマッチングアルゴリズムを提案する。
実験結果は,他の最先端手法よりもアルゴリズムの方が優れていることを示す。
論文 参考訳(メタデータ) (2020-06-05T23:02:10Z)
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。