論文の概要: HUST bearing: a practical dataset for ball bearing fault diagnosis
- arxiv url: http://arxiv.org/abs/2302.12533v1
- Date: Fri, 24 Feb 2023 09:38:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-27 14:05:04.502032
- Title: HUST bearing: a practical dataset for ball bearing fault diagnosis
- Title(参考訳): HUST Bearing:ボールベアリング断層診断のための実践的データセット
- Authors: Nguyen Duc Thuan and Hoang Si Hong
- Abstract要約: 本データセットは, 作業条件下での5種類の軸受上での6種類の欠陥の生振動データを含む。
データセットのベアリング障害を特定するために、古典的な機械学習分類法が多数使用されている。
データセットに対する実験結果は、分類タスクで最大100%、教師なし転帰学習では60-80%の精度で分岐する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In this work, we introduce a practical dataset named HUST bearing, that
provides a large set of vibration data on different ball bearings. This dataset
contains 90 raw vibration data of 6 types of defects (inner crack, outer crack,
ball crack, and their 2-combinations) on 5 types of bearing at 3 working
conditions with the sample rate of 51,200 samples per second. We established
the envelope analysis and order tracking analysis on the introduced dataset to
allow an initial evaluation of the data. A number of classical machine learning
classification methods are used to identify bearing faults of the dataset using
features in different domains. The typical advanced unsupervised transfer
learning algorithms also perform to observe the transferability of knowledge
among parts of the dataset. The experimental results of examined methods on the
dataset gain divergent accuracy up to 100% on classification task and 60-80% on
unsupervised transfer learning task.
- Abstract(参考訳): 本研究では,異なる球軸受の振動データに対して,大量の振動データを提供するハスト軸受という実用的なデータセットを提案する。
このデータセットは、90種類の生振動データ(インナークラック、アウタークラック、ボールクラック、およびそれらの2-コンビネーション)を3つの作業条件で5種類の軸受に格納し、サンプルレートは毎秒51,200サンプルである。
導入したデータセットのエンベロープ解析と順序追跡分析を確立し,データの初期評価を可能にした。
多くの古典的機械学習分類法は、異なるドメインの特徴を用いてデータセットのベアリング障害を特定するために用いられる。
典型的な教師なし転送学習アルゴリズムは、データセット内の知識の転送可能性を監視するためにも機能する。
データセットに対する検討手法の実験結果は、分類タスクで100%、教師なし転帰学習で60-80%の精度で分岐する。
関連論文リスト
- Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。
DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。
10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
論文 参考訳(メタデータ) (2024-07-20T01:34:13Z) - AN An ica-ensemble learning approach for prediction of uwb nlos signals
data classification [0.0]
本研究は、無線通信による情報調和と、超広帯域レーダ信号を用いたNLOSシナリオにおける個人識別に焦点を当てた。
実験では、静的データに対して88.37%、動的データに対して87.20%の分類精度を示し、提案手法の有効性を強調した。
論文 参考訳(メタデータ) (2024-02-27T11:42:26Z) - Few-shot learning for COVID-19 Chest X-Ray Classification with
Imbalanced Data: An Inter vs. Intra Domain Study [49.5374512525016]
医療画像データセットは、コンピュータ支援診断、治療計画、医学研究に使用される訓練モデルに不可欠である。
データ分散のばらつき、データの不足、ジェネリックイメージから事前トレーニングされたモデルを使用する場合の転送学習の問題などである。
本稿では,データ不足と分散不均衡の影響を軽減するために,一連の手法を統合したシームズニューラルネットワークに基づく手法を提案する。
論文 参考訳(メタデータ) (2024-01-18T16:59:27Z) - Binary Quantification and Dataset Shift: An Experimental Investigation [54.14283123210872]
量子化は教師付き学習タスクであり、未学習データの集合のクラス有病率の予測器を訓練する。
定量化と他のタイプのデータセットシフトの関係は、いまだ大きく、未調査のままである。
本稿では,これらのシフトに影響を受けるデータセットの生成プロトコルを確立することにより,データセットシフトの種類を詳細に分類する手法を提案する。
論文 参考訳(メタデータ) (2023-10-06T20:11:27Z) - Data-SUITE: Data-centric identification of in-distribution incongruous
examples [81.21462458089142]
Data-SUITEは、ID(In-distriion)データの不連続領域を特定するためのデータ中心のフレームワークである。
我々は,Data-SUITEの性能保証とカバレッジ保証を実証的に検証する。
論文 参考訳(メタデータ) (2022-02-17T18:58:31Z) - Assessing the Quality of the Datasets by Identifying Mislabeled Samples [14.881597737762316]
本稿では,各データ点の品質を測る指標として,新しい統計値(ノイズスコア)を提案する。
本研究では,データ品質管理型変分オートエンコーダ(AQUAVS)の推論ネットワークから導出される表現を用いる。
我々は、MNIST、FashionMNIST、CIFAR10/100データセットを破損させることにより、提案した統計データを検証した。
論文 参考訳(メタデータ) (2021-09-10T17:14:09Z) - dMelodies: A Music Dataset for Disentanglement Learning [70.90415511736089]
我々は、研究者が様々な領域でアルゴリズムの有効性を実証するのに役立つ新しいシンボリック・ミュージック・データセットを提案する。
これはまた、音楽用に特別に設計されたアルゴリズムを評価する手段を提供する。
データセットは、遠絡学習のためのディープネットワークのトレーニングとテストに十分な大きさ(約13万データポイント)である。
論文 参考訳(メタデータ) (2020-07-29T19:20:07Z) - An ensemble classifier for vibration-based quality monitoring [0.0]
本稿では, 証拠のデンプスター・シェーファー理論に基づく新しいアンサンブル分類器を開発する。
提案フレームワークの有効性は、15UCIおよびKEEL機械学習データセットに適用することで検証される。
論文 参考訳(メタデータ) (2020-07-17T07:23:56Z) - Meta Learning for Causal Direction [29.00522306460408]
小型データ設定における原因と効果の区別を可能にする新しい生成モデルを提案する。
提案手法は, 各種合成データと実世界のデータを用いて実証し, 種々のデータセットサイズにおける方向検出の精度を高い精度で維持可能であることを示す。
論文 参考訳(メタデータ) (2020-07-06T15:12:05Z) - Machine Learning-Based Unbalance Detection of a Rotating Shaft Using
Vibration Data [0.0]
アンバランス検出のためのアルゴリズムの開発と評価の基礎となるデータセットを公表する。
各アンバランス強度に対して、開発と評価データセットが利用可能である。
評価データセット上での予測精度は98.6%であり、完全に接続されたニューラルネットワークで最良の結果が得られる。
論文 参考訳(メタデータ) (2020-05-26T14:11:32Z) - Machine Learning Pipeline for Pulsar Star Dataset [58.720142291102135]
この作業は、最も一般的な機械学習(ML)アルゴリズムをまとめるものだ。
目的は、不均衡なデータの集合から得られた結果のレベルの比較を行うことである。
論文 参考訳(メタデータ) (2020-05-03T23:35:44Z)
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。