Fugu-MT 論文翻訳(概要): Representation Learning based and Interpretable Reactor System Diagnosis Using Denoising Padded Autoencoder

論文の概要: Representation Learning based and Interpretable Reactor System Diagnosis Using Denoising Padded Autoencoder

arxiv url: http://arxiv.org/abs/2208.14319v1
Date: Tue, 30 Aug 2022 14:59:28 GMT
ステータス: 処理完了
システム内更新日: 2022-08-31 13:33:09.398291
Title: Representation Learning based and Interpretable Reactor System Diagnosis Using Denoising Padded Autoencoder
Title（参考訳）: Denoising Padded Autoencoder を用いた表現学習と解釈可能なリアクタシステム診断
Authors: Chengyuan Li, Zhifang Qiu, Zhangrui Yan, Meifu Li
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.779964823075849
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the mass construction of Gen III nuclear reactors, it is a popular trend to use deep learning (DL) techniques for fast and effective diagnosis of possible accidents. To overcome the common problems of previous work in diagnosing reactor accidents using deep learning theory, this paper proposes a diagnostic process that ensures robustness to noisy and crippled data and is interpretable. First, a novel Denoising Padded Autoencoder (DPAE) is proposed for representation extraction of monitoring data, with representation extractor still effective on disturbed data with signal-to-noise ratios up to 25.0 and monitoring data missing up to 40.0%. Secondly, a diagnostic framework using DPAE encoder for extraction of representations followed by shallow statistical learning algorithms is proposed, and such stepwise diagnostic approach is tested on disturbed datasets with 41.8% and 80.8% higher classification and regression task evaluation metrics, in comparison with the end-to-end diagnostic approaches. Finally, a hierarchical interpretation algorithm using SHAP and feature ablation is presented to analyze the importance of the input monitoring parameters and validate the effectiveness of the high importance parameters. The outcomes of this study provide a referential method for building robust and interpretable intelligent reactor anomaly diagnosis systems in scenarios with high safety requirements.
Abstract（参考訳）: Gen III原子炉の大量生産により、事故の迅速かつ効果的な診断に深層学習(DL)技術を用いる傾向が一般的である。深層学習理論を用いた原子炉事故の診断における従来の課題を克服するために, ノイズや故障データに対するロバスト性を保証し, 解釈可能な診断プロセスを提案する。まず,信号対雑音比25.0の乱れデータに対して,表現抽出器が依然として有効であり,最大40.0%のモニタリングデータが欠落している,新しいDenoising Padded Autoencoder (DPAE)を提案する。第2に,dpaeエンコーダを用いた浅層統計学習アルゴリズムによる表現抽出のための診断フレームワークを提案し,41.8%,80.8%の分類・回帰タスク評価指標を用いたステップワイズ診断手法を,エンドツーエンドの診断手法と比較検討した。最後に、SHAPと特徴アブレーションを用いた階層的解釈アルゴリズムを提案し、入力監視パラメータの重要性を分析し、高い重要性パラメータの有効性を検証する。本研究の結果は, 高安全性のシナリオにおいて, 堅牢かつ解釈可能な原子炉異常診断システムを構築するための参照手法を提供する。

関連論文リスト

Denoising Variational Autoencoder as a Feature Reduction Pipeline for the diagnosis of Autism based on Resting-state fMRI [11.871709357017416]
自閉症スペクトラム障害(Autism spectrum disorder、ASD)は、発達過程において、制限された関心とコミュニケーションの困難を特徴とする疾患である。静止状態fMRI(rs-fMRI)を用いたASD特徴量削減パイプラインを提案する。我々はNcutsのパーセレーションとPower atlasを使って機能的な接続データを抽出し、3万以上の機能を実現した。
論文参考訳（メタデータ） (2024-09-30T09:38:47Z)
An Explainable Deep Learning-Based Method For Schizophrenia Diagnosis Using Generative Data-Augmentation [0.3222802562733786]
脳波記録を用いた統合失調症の自動診断にディープラーニングを用いた手法を応用した。このアプローチは、診断の精度を高める強力な手法である生成データ拡張を利用する。
論文参考訳（メタデータ） (2023-10-25T12:55:16Z)
Instrumental Variable Learning for Chest X-ray Classification [52.68170685918908]
本稿では,素因果関係を排除し,正確な因果表現を得るための解釈可能な機器変数(IV)学習フレームワークを提案する。提案手法の性能はMIMIC-CXR,NIH ChestX-ray 14,CheXpertデータセットを用いて実証した。
論文参考訳（メタデータ） (2023-05-20T03:12:23Z)
Non-destructive Fault Diagnosis of Electronic Interconnects by Learning Signal Patterns of Reflection Coefficient in the Frequency Domain [1.8843687952462742]
本稿では,早期故障検出と相互接続欠陥の正確な診断のための新しい非破壊的手法を提案する。提案手法は, 周波数範囲にわたる係数反射の信号パターンを利用して, 根本原因同定と重大度評価の両立を可能にする。実験結果から,本手法は断層検出および診断に有効であり,実世界の産業応用に拡張できる可能性が示唆された。
論文参考訳（メタデータ） (2023-04-20T10:51:21Z)
The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。正規データのみを用いた教師なし異常検出手法が提案されている。空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文参考訳（メタデータ） (2023-01-19T21:39:38Z)
Post-hoc Interpretability based Parameter Selection for Data Oriented Nuclear Reactor Accident Diagnosis System [0.0]
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。
論文参考訳（メタデータ） (2022-08-03T01:53:11Z)
Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文参考訳（メタデータ） (2022-06-28T05:09:01Z)
Conformer Based Elderly Speech Recognition System for Alzheimer's Disease Detection [62.23830810096617]
アルツハイマー病(AD)の早期診断は、予防ケアがさらなる進行を遅らせるのに不可欠である。本稿では,DementiaBank Pitt コーパスをベースとした最新のコンバータに基づく音声認識システムの開発について述べる。
論文参考訳（メタデータ） (2022-06-23T12:50:55Z)
Outlier-based Autism Detection using Longitudinal Structural MRI [6.311381904410801]
本稿では, 構造的磁気共鳴画像(sMRI)に基づく自閉症スペクトラム障害の診断を, 異常検出手法を用いて提案する。 GAN(Generative Adversarial Network)は、健康な被験者のsMRIスキャンでのみ訓練される。実験の結果、ASD検出フレームワークは最先端のトレーニングデータと互換性があり、トレーニングデータもはるかに少ないことがわかった。
論文参考訳（メタデータ） (2022-02-21T04:37:25Z)
ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
論文参考訳（メタデータ） (2020-12-09T08:16:35Z)
SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
論文参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。