論文の概要: Domain Knowledge integrated for Blast Furnace Classifier Design
- arxiv url: http://arxiv.org/abs/2303.17769v1
- Date: Fri, 31 Mar 2023 02:13:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-03 15:27:17.772070
- Title: Domain Knowledge integrated for Blast Furnace Classifier Design
- Title(参考訳): 高炉分類器設計のためのドメイン知識統合化
- Authors: Shaohan Chen, Di Fan and Chuanhou Gao
- Abstract要約: 高炉のモデリングと制御は産業分野における重要な問題の一つである。
本稿では,産業応用のための分類器を生成するドメイン知識統合分類モデルを設計するための枠組みを提案する。
- 参考スコア(独自算出の注目度): 1.1279808969568252
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blast furnace modeling and control is one of the important problems in the
industrial field, and the black-box model is an effective mean to describe the
complex blast furnace system. In practice, there are often different learning
targets, such as safety and energy saving in industrial applications, depending
on the application. For this reason, this paper proposes a framework to design
a domain knowledge integrated classification model that yields a classifier for
industrial application. Our knowledge incorporated learning scheme allows the
users to create a classifier that identifies "important samples" (whose
misclassifications can lead to severe consequences) more correctly, while
keeping the proper precision of classifying the remaining samples. The
effectiveness of the proposed method has been verified by two real blast
furnace datasets, which guides the operators to utilize their prior experience
for controlling the blast furnace systems better.
- Abstract(参考訳): 高炉のモデリングと制御は産業分野における重要な問題の1つであり、ブラックボックスモデルは複雑な高炉システムを記述する効果的な手段である。
実際には、産業アプリケーションにおける安全性や省エネといった、応用に応じて異なる学習目標が存在することが多い。
そこで本稿では,産業応用のための分類器を提供するドメイン知識統合分類モデルを設計するための枠組みを提案する。
我々の知識を取り入れた学習手法により,利用者は「重要なサンプル」を識別する分類器を作成でき(その誤分類は深刻な結果をもたらす)、残りのサンプルを適切に分類する精度を保っている。
提案手法の有効性を2つの実火炉データセットで検証し, 運転者が従来より優れた炉システム制御に有効であったことを示唆した。
関連論文リスト
- Integrated Modeling, Verification, and Code Generation for Unmanned Aerial Systems [10.292890852621346]
無人航空システム(UAS)は、産業生産、軍事作戦、災害救助などの安全上重要な分野で広く利用されている。
本稿では,UASのモデリング,検証,コード生成に対する統合的なアプローチを検討することを目的とする。
論文 参考訳(メタデータ) (2024-06-13T14:53:40Z) - Interpretable Data-driven Anomaly Detection in Industrial Processes with ExIFFI [3.7516053899419104]
工業プロセスは、最終製品の生産を包含して、可能な限り業務を効率化することを目的としている。
産業5.0の出現を踏まえ、より望ましいアプローチは解釈可能な結果の提供である。
本稿では,ExIFFIの産業的応用として,EIF(Extended isolated Forest)異常検出のための高速かつ効率的な説明法の開発に焦点をあてた。
論文 参考訳(メタデータ) (2024-05-02T10:23:17Z) - IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。
本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。
このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
論文 参考訳(メタデータ) (2024-04-23T13:38:01Z) - Fair Supervised Learning with A Simple Random Sampler of Sensitive
Attributes [13.988497790151651]
本研究は,ニューラルネットワークによって学習された公正な罰則を,非識別的教師付き学習のための感度属性の単純なランダムサンプリングを用いて提案する。
計算効率のよいグループレベルのフェアネス対応トレーニングフレームワークを構築した。
実証的な証拠は、我々のフレームワークが競合する手法よりも人気のあるベンチマークデータセットの有効性と公平性を享受していることを示している。
論文 参考訳(メタデータ) (2023-11-10T04:38:13Z) - Segmentation of Industrial Burner Flames: A Comparative Study from
Traditional Image Processing to Machine and Deep Learning [10.34616284867947]
発電、化学製造、廃棄物管理といった多くの産業プロセスにおいて、安全かつ効率的な運転には工業用バーナー火炎特性を正確にモニタリングすることが不可欠である。
重要なステップは、背景からバイナリセグメンテーションを通して火炎を分離することである。
本稿では,グローバルスレッショルド,リージョングローディング,サポートベクトルマシン,ランダムフォレスト,マルチレイヤパーセプトロン,U-Net,DeepLabV3+など,複数のセグメンテーション手法の比較研究を行う。
高い精度では、ディープラーニングが主要なアプローチであるが、高速でシンプルなソリューションでは、従来の画像処理技術が引き続き有効な選択肢である。
論文 参考訳(メタデータ) (2023-06-26T15:46:49Z) - A Meta-Generation framework for Industrial System Generation [0.0]
ジェネレーティブデザインは、産業の世界においてますます重要なツールである。
深層生成モデル(Deep Generative Models)は、ジェネレーティブデザイン技術の間で人気を集めている。
しかし、これらのモデルの開発と評価は困難である。
マルチコンポーネント産業システムを実現するメタVAEを提案する。
論文 参考訳(メタデータ) (2023-06-08T11:47:02Z) - Directed Acyclic Graph Factorization Machines for CTR Prediction via
Knowledge Distillation [65.62538699160085]
本稿では,既存の複雑な相互作用モデルから,知識蒸留によるCTR予測のための高次特徴相互作用を学習するための非巡回グラフファクトリゼーションマシン(KD-DAGFM)を提案する。
KD-DAGFMは、オンラインとオフラインの両方の実験において、最先端のFLOPの21.5%未満で最高の性能を達成する。
論文 参考訳(メタデータ) (2022-11-21T03:09:42Z) - Deep Learning based pipeline for anomaly detection and quality
enhancement in industrial binder jetting processes [68.8204255655161]
異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。
本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
論文 参考訳(メタデータ) (2022-09-21T08:14:34Z) - Distilling Image Classifiers in Object Detectors [81.63849985128527]
本研究では, 物体検出の事例について検討し, 標準検出器-検出器蒸留法に従わず, 分類器-検出器間知識伝達フレームワークを導入する。
特に,検知器の認識精度とローカライゼーション性能を両立させるため,分類教師を利用する手法を提案する。
論文 参考訳(メタデータ) (2021-06-09T16:50:10Z) - MetaDistiller: Network Self-Boosting via Meta-Learned Top-Down
Distillation [153.56211546576978]
本研究では,ラベル生成器を用いて高い適合性を有するソフトターゲットを生成することを提案する。
このラベルジェネレータを最適化するためにメタ学習技術を用いることができる。
実験は CIFAR-100 と ILSVRC2012 の2つの標準分類ベンチマークで実施された。
論文 参考訳(メタデータ) (2020-08-27T13:04:27Z) - Plausible Counterfactuals: Auditing Deep Learning Classifiers with
Realistic Adversarial Examples [84.8370546614042]
ディープラーニングモデルのブラックボックスの性質は、彼らがデータから何を学ぶかについて、未回答の疑問を提起している。
GAN(Generative Adversarial Network)とマルチオブジェクトは、監査されたモデルに妥当な攻撃を与えるために使用される。
その実用性は人間の顔の分類タスクの中で示され、提案されたフレームワークの潜在的可能性を明らかにしている。
論文 参考訳(メタデータ) (2020-03-25T11:08:56Z)
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。