論文の概要: Label Assisted Autoencoder for Anomaly Detection in Power Generation
Plants
- arxiv url: http://arxiv.org/abs/2302.02896v1
- Date: Mon, 6 Feb 2023 16:03:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-07 16:11:19.471475
- Title: Label Assisted Autoencoder for Anomaly Detection in Power Generation
Plants
- Title（参考訳）: 発電プラントにおける異常検出のためのラベルアシストオートエンコーダ
- Authors: Marcellin Atemkeng, Victor Osanyindoro, Rockefeller Rockefeller,
Sisipho Hamlomo, Jecinta Mulongo, Theophilus Ansah-Narh, Franklin Tchakounte,
Arnaud Nguembang Fadja
- Abstract要約: 本研究では, 発電プラントが消費する燃料の異常検出のためのラベル付きオートエンコーダを提案する。
その結果、提案モデルでは、検出精度が9.7.20%$で、同一データセット上でトレーニングされた9.6.1%$の精度で、既存のモデルより優れていることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the critical factors that drive the economic development of a country
and guarantee the sustainability of its industries is the constant availability
of electricity. This is usually provided by the national electric grid.
However, in developing countries where companies are emerging on a constant
basis including telecommunication industries, those are still experiencing a
non-stable electricity supply. Therefore, they have to rely on generators to
guarantee their full functionality. Those generators depend on fuel to function
and the rate of consumption gets usually high, if not monitored properly.
Monitoring operation is usually carried out by a (non-expert) human. In some
cases, this could be a tedious process, as some companies have reported an
exaggerated high consumption rate. This work proposes a label assisted
autoencoder for anomaly detection in the fuel consumed by power generating
plants. In addition to the autoencoder model, we added a labelling assistance
module that checks if an observation is labelled, the label is used to check
the veracity of the corresponding anomaly classification given a threshold. A
consensus is then reached on whether training should stop or whether the
threshold should be updated or the training should continue with the search for
hyper-parameters. Results show that the proposed model is highly efficient for
reading anomalies with a detection accuracy of $97.20\%$ which outperforms the
existing model of $96.1\%$ accuracy trained on the same dataset. In addition,
the proposed model is able to classify the anomalies according to their degree
of severity.
- Abstract（参考訳）: 国の経済発展を駆動し、その産業の持続性を保証する重要な要因の1つは、常時電力の供給である。
これは通常、国有電力網によって供給される。
しかし、電気通信業界を含む企業が常に出現している発展途上国では、電力供給が安定していない。
そのため、完全な機能を保証するにはジェネレータに頼る必要がある。
これらの発電機は機能するために燃料に依存し、適切に監視されていない場合、消費率は通常高くなります。
監視操作は通常、(専門家でない)人間が行う。
一部の企業は過大に高い消費率を報告しているため、これは面倒なプロセスかもしれない。
本研究では, 発電プラントが消費する燃料の異常検出のためのラベル付きオートエンコーダを提案する。
オートエンコーダモデルに加えて、観測結果がラベル付けされているかどうかをチェックするラベル支援モジュールを追加し、しきい値から対応する異常分類の正確性をチェックする。
その後、トレーニングが停止すべきか、しきい値を更新するべきか、あるいはハイパーパラメータを検索してトレーニングを続けるべきか、という合意に達した。
その結果,同一データセット上でトレーニングされた既存のモデルよりも,検出精度が9,7.20\%$の異常を読み取るのに非常に効率的であることが判明した。
さらに,本モデルでは,その厳密度に応じて異常を分類することができる。
関連論文リスト
- XAI-guided Insulator Anomaly Detection for Imbalanced Datasets [11.215245485606369]
電力網は多くの産業において重要な要素であり、産業プロセスや技術にシームレスに電気エネルギーを供給している。
ドローンは電力線を検査するためにますます配備され、その結果、高速で正確な処理を必要とする大量の視覚データの流れが生まれる。
ディープラーニング手法はこのタスクで広く普及し、障害検出において貴重な資産であることが証明されている。
論文 参考訳（メタデータ） (2024-09-25T11:19:42Z) - A Real-time Anomaly Detection Using Convolutional Autoencoder with Dynamic Threshold [0.0]
この研究は統計と畳み込みオートエンコーダを動的しきい値で組み合わせたハイブリッドモデリング手法を導入する。
このソリューションには、高度な監視システムに接続するリアルタイムのメーターレベルの異常検知システムが含まれている。
論文 参考訳（メタデータ） (2024-04-05T11:03:36Z) - Representing Timed Automata and Timing Anomalies of Cyber-Physical
Production Systems in Knowledge Graphs [51.98400002538092]
本稿では,学習されたタイムドオートマトンとシステムに関する公式知識グラフを組み合わせることで,CPPSのモデルベース異常検出を改善することを目的とする。
モデルと検出された異常の両方を知識グラフに記述し、モデルと検出された異常をより容易に解釈できるようにする。
論文 参考訳（メタデータ） (2023-08-25T15:25:57Z) - Smart Meter Data Anomaly Detection using Variational Recurrent
Autoencoders with Attention [0.0]
本稿では,アテンション機構を備えた変分リカレントオートエンコーダに基づく教師なし異常検出手法を提案する。
スマートメーターの「汚れ」データを用いて、学習中の貢献度を減少させるために、欠落した値とグローバルな異常を事前に検出する。
論文 参考訳（メタデータ） (2022-06-08T19:39:51Z) - Domain Knowledge Aids in Signal Disaggregation; the Example of the
Cumulative Water Heater [68.8204255655161]
住宅における累積給湯器(CWH)の電力の検出と分散を目的とした教師なし低周波法を提案する。
本モデルでは,パワースパイクの形状と発生時刻を両立させることにより,教師なし信号の分解の難しさを回避する。
我々のモデルは、単純さに拘わらず、有望なアプリケーションを提供する: オフピーク契約における設定ミスの検出と性能劣化の遅さ。
論文 参考訳（メタデータ） (2022-03-22T10:39:19Z) - In-flight Novelty Detection with Convolutional Neural Networks [0.0]
本稿では,予防的保守意思決定者の注意を喚起するために,システム出力の測定をリアルタイムに優先することを提案する。
本稿では,異常データのオンライン検出と優先順位付けのためのデータ駆動システムを提案する。
このシステムは低消費電力の組み込みハードウェアでリアルタイムに動作可能で、現在ロールス・ロイス・パール15のエンジン飛行試験に配備中である。
論文 参考訳（メタデータ） (2021-12-07T15:19:41Z) - Tracking the risk of a deployed model and detecting harmful distribution
shifts [105.27463615756733]
実際には、デプロイされたモデルのパフォーマンスが大幅に低下しないという、良心的なシフトを無視することは理にかなっている。
我々は,警告を発射する有効な方法は,(a)良性な警告を無視しながら有害なシフトを検知し,(b)誤報率を増大させることなく,モデル性能の連続的なモニタリングを可能にすることを論じる。
論文 参考訳（メタデータ） (2021-10-12T17:21:41Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳（メタデータ） (2021-07-28T10:19:58Z) - Estimating the electrical power output of industrial devices with
end-to-end time-series classification in the presence of label noise [6.857190736208506]
本研究では,中規模企業施設のコンバインドヒート・アンド・パワー・マシンの発電量の推定に焦点をあてる。
施設が完全に測定され,CHPからのセンサ測定が可能となると,トレーニングラベルを自動生成する。
本稿では,共有組込み表現を用いた分類器とオートエンコーダを共同で学習する,新しいマルチタスク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） (2021-05-01T21:45:42Z) - EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with
Cascade Refinement [53.69674636044927]
本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。
完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。
完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
論文 参考訳（メタデータ） (2020-02-18T08:04:58Z)
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。