論文の概要: AttentionMixer: An Accurate and Interpretable Framework for Process
Monitoring
- arxiv url: http://arxiv.org/abs/2302.10426v1
- Date: Tue, 21 Feb 2023 03:38:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-22 16:35:19.127043
- Title: AttentionMixer: An Accurate and Interpretable Framework for Process
Monitoring
- Title(参考訳): AttentionMixer: プロセス監視のための正確で解釈可能なフレームワーク
- Authors: Hao Wang, Zhiyu Wang, Yunlong Niu, Zhaoran Liu, Haozhe Li, Yilin Liao,
Yuxin Huang, Xinggao Liu
- Abstract要約: データ駆動型アプローチであるAttentionMixerは、エネルギー変換プラントの正確かつ解釈可能な放射モニタリングフレームワークを確立するために提案されている。
モデル精度を向上させるために、最初の技術的貢献は、空間的および時間的適応メッセージパッシングブロックの開発である。
第2の技術的コントリビューションはスパースメッセージパッシングレギュレータの実装である。
- 参考スコア(独自算出の注目度): 8.155472809416969
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An accurate and explainable automatic monitoring system is critical for the
safety of high efficiency energy conversion plants that operate under extreme
working condition. Nonetheless, currently available data-driven monitoring
systems often fall short in meeting the requirements for either high-accuracy
or interpretability, which hinders their application in practice. To overcome
this limitation, a data-driven approach, AttentionMixer, is proposed under a
generalized message passing framework, with the goal of establishing an
accurate and interpretable radiation monitoring framework for energy conversion
plants. To improve the model accuracy, the first technical contribution
involves the development of spatial and temporal adaptive message passing
blocks, which enable the capture of spatial and temporal correlations,
respectively; the two blocks are cascaded through a mixing operator. To enhance
the model interpretability, the second technical contribution involves the
implementation of a sparse message passing regularizer, which eliminates
spurious and noisy message passing routes. The effectiveness of the
AttentionMixer approach is validated through extensive evaluations on a
monitoring benchmark collected from the national radiation monitoring network
for nuclear power plants, resulting in enhanced monitoring accuracy and
interpretability in practice.
- Abstract(参考訳): 極端作業条件下で稼働する高効率エネルギー変換プラントの安全性には,正確かつ説明可能な自動監視システムが重要である。
それでも、現在利用可能なデータ駆動監視システムは、高い正確性または解釈可能性の要件を満たすために不足することが多い。
この制限を克服するために、エネルギー変換プラントのための正確で解釈可能な放射線モニタリングフレームワークを確立することを目的として、一般的なメッセージパッシングフレームワークの下でデータ駆動アプローチである attentionmixer が提案されている。
モデル精度を向上させるために、第1の技術的貢献は、空間的および時間的適応的なメッセージパッシングブロックの開発であり、それぞれが空間的および時間的相関を捕捉し、2つのブロックは混合演算子を介してカスケードされる。
モデル解釈性を高めるために、第2の技術的貢献はスパースメッセージパッシング正規化器の実装である。
AttentionMixerアプローチの有効性は、原子力発電所の国家放射線監視ネットワークから収集したモニタリングベンチマークで広範囲に評価することで検証され、その結果、監視精度と解釈可能性が向上した。
関連論文リスト
- AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳(メタデータ) (2023-12-18T12:37:35Z) - Contrastive Multi-Modal Representation Learning for Spark Plug Fault
Diagnosis [0.21847754147782888]
コントラッシブラーニングパラダイムに基づくユニークなトレーニング戦略を備えたマルチモーダルオートエンコーダを提案する。
提案手法は、データの複数モード(またはビュー)をリッチな共通表現に融合する際の優れた性能を実現する。
本手法により,センサ故障発生時のマルチモーダル故障診断システムをより堅牢に行うことができる。
論文 参考訳(メタデータ) (2023-11-04T00:04:09Z) - Non-contact Sensing for Anomaly Detection in Wind Turbine Blades: A
focus-SVDD with Complex-Valued Auto-Encoder Approach [2.967390112155113]
我々は、FMCWレーダを非破壊検知モードとして利用する製造の品質保証を強化する。
焦点支援ベクトルデータ記述(focus-SVDD)と呼ばれる新しい異常検出手法を提案する。
提案手法の有効性は, 収集データへの適用を通して実証する。
論文 参考訳(メタデータ) (2023-06-19T09:54:34Z) - Unsupervised Visible-Infrared Person ReID by Collaborative Learning with
Neighbor-Guided Label Refinement [56.2070066714042]
教師なし学習 可視赤外人物再識別 (USL-VI-ReID) は、ラベルなしのクロスモダリティデータセットからモダリティ不変の特徴を学習することを目的としている。
本稿では,生成したラベルを1つのモダリティからそれに対応するモダリティに同時に割り当てる,Dual Optimal Transport Label Assignment (DOTLA) フレームワークを提案する。
提案したDOTLA機構は、相互強化と相互モダリティデータアソシエーションの効率的な解を定式化することにより、不十分でノイズの多いラベルアソシエーションの副作用を効果的に低減することができる。
論文 参考訳(メタデータ) (2023-05-22T04:40:30Z) - Efficient Deep Reinforcement Learning Requires Regulating Overfitting [91.88004732618381]
本稿では,高時間差(TD)誤差が深部RLアルゴリズムの性能に悪影響を及ぼす主要な原因であることを示す。
検証TDエラーをターゲットとした簡単なオンラインモデル選択法は,状態ベースDMCおよびGymタスク間で有効であることを示す。
論文 参考訳(メタデータ) (2023-04-20T17:11:05Z) - In-Distribution Barrier Functions: Self-Supervised Policy Filters that
Avoid Out-of-Distribution States [84.24300005271185]
本稿では,任意の参照ポリシーをラップした制御フィルタを提案する。
本手法は、トップダウンとエゴセントリックの両方のビュー設定を含むシミュレーション環境における2つの異なるビズモータ制御タスクに有効である。
論文 参考訳(メタデータ) (2023-01-27T22:28:19Z) - Anomaly Detection for Multivariate Time Series on Large-scale Fluid
Handling Plant Using Two-stage Autoencoder [1.911678487931003]
本稿では,動的成分を有する大規模流体処理プラントにおける時系列データの異常検出に着目する。
このような植物に適した異常検出法として2段階自動エンコーダ(TSAE)を導入する。
論文 参考訳(メタデータ) (2022-05-20T01:41:39Z) - WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。
エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。
提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
論文 参考訳(メタデータ) (2021-05-21T11:58:50Z) - Per-frame mAP Prediction for Continuous Performance Monitoring of Object
Detection During Deployment [6.166295570030645]
本稿では,デプロイメント中のパフォーマンスモニタリングに対するイントロスペクションアプローチを提案する。
フレーム当たりの平均精度がクリティカルしきい値以下になると予測する。
我々は,誤った判断を下すことによってリスクを低減する手法の能力を定量的に評価し,実証する。
論文 参考訳(メタデータ) (2020-09-18T06:37:52Z) - 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) - Collaborative Inference for Efficient Remote Monitoring [34.27630312942825]
これをモデルレベルで解決するための簡単なアプローチは、より単純なアーキテクチャを使用することです。
本稿では,局所的なモニタリングツールとして機能する単純な関数の和として,予測モデルを分解した代替手法を提案する。
ローカル監視機能が安全であることを保証するために、後者にサイン要求が課される。
論文 参考訳(メタデータ) (2020-02-12T01:57:17Z)
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。