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

• A Survey on Drowsiness Detection -- Modern Applications and Methods [29.367684013050916]
  眠気検知は、職場や車輪の後ろの安全を確保する上で、最重要事項である。 本総説では,各分野における眠気検知の重要性について概説する。
  論文  参考訳（メタデータ） (2024-08-23T11:15:21Z)
• Wearable Device-Based Real-Time Monitoring of Physiological Signals: Evaluating Cognitive Load Across Different Tasks [6.673424334358673]
  本研究は,中等教育学生の脳波(EEG)データに対する認知負荷評価を行うために,最先端のウェアラブルモニタリング技術を用いている。 この研究は、中等教育学生の認知負荷を評価するための応用価値と、様々な課題にまたがる有用性について考察した。
  論文  参考訳（メタデータ） (2024-06-11T10:48:26Z)
• 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)
• 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)
• SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event Data [83.50281440043241]
  時系列データから不均一な処理効果を推定する問題について検討する。 本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-10-26T20:13:17Z)
• 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)
• Evaluating the Robustness of Self-Supervised Learning in Medical Imaging [57.20012795524752]
  自己監督は、小さな注釈付きデータセット上でターゲットタスクを訓練する際の効果的な学習戦略であることを示した。 本研究では,自己監視学習によって訓練されたネットワークが,医療画像の文脈における完全監視学習と比較して,堅牢性と汎用性に優れていることを示した。
  論文  参考訳（メタデータ） (2021-05-14T17:49:52Z)
• Physical Activity Recognition Based on a Parallel Approach for an Ensemble of Machine Learning and Deep Learning Classifiers [0.0]
  モノのインターネット(IOT)に組み込まれたウェアラブルセンサーデバイスによる人間の活動認識(HAR)は、リモートヘルス監視と緊急通知に重要な役割を果たします。 本研究では、医療に適用可能な意思決定精度と実行速度の人間活動認識手法について検討する。
  論文  参考訳（メタデータ） (2021-03-02T16:50:52Z)
• Foreseeing the Benefits of Incidental Supervision [83.08441990812636]
  本稿では,実験を行なわずに,特定の目標タスクに対して,様々な種類の偶発信号の利点を定量化できるかどうかを考察する。 本稿では,PABI(PAC-Bayesian motivated informativeness measure)を提案する。
  論文  参考訳（メタデータ） (2020-06-09T20:59:42Z)
• Confident Coreset for Active Learning in Medical Image Analysis [57.436224561482966]
  本稿では,情報的サンプルを効果的に選択するための,不確実性と分散性を考慮した新しい能動的学習手法である信頼コアセットを提案する。 2つの医用画像解析タスクの比較実験により,本手法が他の活動的学習方法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-05T13:46:16Z)

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。