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
- Toward Motion Robustness: A masked attention regularization framework in remote photoplethysmography [5.743550396843244]
MAR-rはROIローカライゼーションと複雑なモーションアーティファクトの影響を統合するフレームワークである。
MAR-rは、顔クリップのセマンティック一貫性を捉えるために、マスクされた注意規則化機構をrフィールドに採用している。
また、モデルが不正確なROIに過度に適合し、その後パフォーマンスが低下するのを防ぐために、マスキング技術を採用している。
論文 参考訳（メタデータ） (2024-07-09T08:25:30Z) - Can we Defend Against the Unknown? An Empirical Study About Threshold Selection for Neural Network Monitoring [6.8734954619801885]
実行時モニタリングは、推論中に安全でない予測を拒否するために必須である。
安全と安全でない予測の分布の分離性を最大化する拒絶スコアを確立するために様々な技術が出現している。
実世界のアプリケーションでは、効果的なモニターは、これらのスコアを意味のあるバイナリ決定に変換するための適切なしきい値を特定する必要がある。
論文 参考訳（メタデータ） (2024-05-14T14:32:58Z) - A Data Mining-Based Dynamical Anomaly Detection Method for Integrating with an Advance Metering System [0.0]
建設事業は総消費電力の30%を消費し、世界の電力関連排出量の26%に寄与している。
本研究は、メーターレベルの異常を検出するための教師なしアプローチと教師なしアプローチの両方について検討する。
このシステムは、メーターレベルの異常をリアルタイムに検出するように設計されている。
論文 参考訳（メタデータ） (2024-05-04T05:26:13Z) - An Attention-Based Deep Generative Model for Anomaly Detection in Industrial Control Systems [3.303448701376485]
異常検出は、産業制御システムの安全かつ信頼性の高い運用に不可欠である。
本稿では,このニーズを満たすための新しい深層生成モデルを提案する。
論文 参考訳（メタデータ） (2024-05-03T23:58:27Z) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - 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) - 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) - 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。