論文の概要: Interaction models for remaining useful life estimation
- arxiv url: http://arxiv.org/abs/2301.05029v1
- Date: Tue, 10 Jan 2023 18:23:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 14:44:36.237186
- Title: Interaction models for remaining useful life estimation
- Title(参考訳): 有効寿命推定のための相互作用モデル
- Authors: Dmitry Zhevnenko, Mikhail Kazantsev, Ilya Makarov
- Abstract要約: 本論文は, センサの読み方に応じて, 産業機器の状態を制御している問題に対処する。
我々は,複数の特徴抽出ブロックを組み合わせたスケーラブルなモデルを構築する手法を提案した。
逐次センサ空間解析に基づく新しいモデルにより,C-MAPSSベンチマークにおける有用寿命推定のための最先端結果が得られた。
- 参考スコア(独自算出の注目度): 0.49109372384514843
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The paper deals with the problem of controlling the state of industrial
devices according to the readings of their sensors. The current methods rely on
one approach to feature extraction in which the prediction occurs. We proposed
a technique to build a scalable model that combines multiple different feature
extractor blocks. A new model based on sequential sensor space analysis
achieves state-of-the-art results on the C-MAPSS benchmark for equipment
remaining useful life estimation. The resulting model performance was validated
including the prediction changes with scaling.
- Abstract(参考訳): 本論文は, センサの読み方に応じて, 産業機器の状態を制御している問題に対処する。
現在の手法は、予測が起こる特徴抽出への1つのアプローチに依存している。
複数の異なる機能抽出ブロックを組み合わせたスケーラブルなモデルを構築する手法を提案した。
逐次センサ空間解析に基づく新しいモデルにより,C-MAPSSベンチマークにおける有用寿命推定のための最先端結果が得られる。
その結果,スケーリングに伴う予測変更を含むモデル性能が検証された。
関連論文リスト
- Influence Functions for Scalable Data Attribution in Diffusion Models [52.92223039302037]
拡散モデルは、生成的モデリングに大きな進歩をもたらした。
しかし、彼らの普及はデータ属性と解釈可能性に関する課題を引き起こす。
本稿では,テキスト・インフルエンス・ファンクション・フレームワークを開発することにより,このような課題に対処することを目的とする。
論文 参考訳(メタデータ) (2024-10-17T17:59:02Z) - Data-Driven Prediction and Uncertainty Quantification of PWR Crud-Induced Power Shift Using Convolutional Neural Networks [2.147634833794939]
Crud-induced Power Shift (CIPS) は加圧水炉の運用上の課題である。
本研究は、原子炉固有のキャリブレーションを組み込んだ組立レベルでCIPSインスタンスを予測するためのトップダウンアプローチを提案する。
論文 参考訳(メタデータ) (2024-06-27T15:04:24Z) - Predictive Maintenance Model Based on Anomaly Detection in Induction
Motors: A Machine Learning Approach Using Real-Time IoT Data [0.0]
本研究では,ポンプ,圧縮機,ファン,その他の産業機械で使用される誘導電動機の異常検出システムについて紹介する。
我々は、計算コストの低い前処理技術と機械学習(ML)モデルの組み合わせを用いる。
論文 参考訳(メタデータ) (2023-10-15T18:43:45Z) - Consensus-Adaptive RANSAC [104.87576373187426]
本稿では,パラメータ空間の探索を学習する新しいRANSACフレームワークを提案する。
注意機構は、ポイント・ツー・モデル残差のバッチで動作し、軽量のワンステップ・トランスフォーマーで見いだされたコンセンサスを考慮するために、ポイント・ツー・モデル推定状態を更新する。
論文 参考訳(メタデータ) (2023-07-26T08:25:46Z) - Particle-Based Score Estimation for State Space Model Learning in
Autonomous Driving [62.053071723903834]
マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。
粒子法を用いて最大形パラメータを学習することを検討する。
自動運転車から収集した実データに本手法を適用した。
論文 参考訳(メタデータ) (2022-12-14T01:21:05Z) - Forecasting Sensor Values in Waste-To-Fuel Plants: a Case Study [0.47248250311484113]
廃棄物燃料プラントの将来のセンサ読み取りを予測するための機械学習モデルを開発した。
モデルは過去のデータを用いて訓練され、特定のタイミングで計測されたセンサーの読み取りに基づいて予測が行われた。
私たちはカナダの廃燃料工場で実世界のユースケースでモデルをテストしました。
論文 参考訳(メタデータ) (2022-09-28T09:40:58Z) - You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory
Prediction [52.442129609979794]
軌道予測のための最近の深層学習手法は有望な性能を示す。
そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。
本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
論文 参考訳(メタデータ) (2021-10-11T14:24:15Z) - Dynamic Bayesian Approach for decision-making in Ego-Things [8.577234269009042]
本稿では,マルチセンサデータと特徴選択に基づく動的システムの異常検出手法を提案する。
成長型ニューラルガス(GNG)は、マルチセンサーデータを一連のノードにクラスタリングするために使用される。
本手法は状態推定と異常検出にマルコフジャンプ粒子フィルタ(MJPF)を用いる。
論文 参考訳(メタデータ) (2020-10-28T11:38:51Z) - Machine learning for causal inference: on the use of cross-fit
estimators [77.34726150561087]
より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。
平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。
機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
論文 参考訳(メタデータ) (2020-04-21T23:09:55Z) - Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。
我々は,再建基準の代替として,異常スコアの代替尺度を提案した。
提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2020-03-24T08:26:58Z)
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。