論文の概要: Multi-module based CVAE to predict HVCM faults in the SNS accelerator
- arxiv url: http://arxiv.org/abs/2304.10639v1
- Date: Thu, 20 Apr 2023 20:41:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-24 16:34:42.143030
- Title: Multi-module based CVAE to predict HVCM faults in the SNS accelerator
- Title(参考訳): SNSアクセラレーターにおけるHVCM故障予測のためのマルチモジュールCVAE
- Authors: Yasir Alanazi, Malachi Schram, Kishansingh Rajput, Steven Goldenberg,
Lasitha Vidyaratne, Chris Pappas, Majdi I. Radaideh, Dan Lu, Pradeep
Ramuhalli, Sarah Cousineau
- Abstract要約: 本稿では,複数の高電圧コンバータ変調器(HVCM)から発生する電力信号の異常を検出するための,条件付き変分オートエンコーダ(CVAE)に基づくフレームワークを提案する。
特定の変調器型のモデルに、通常の波形の異なる表現をキャプチャし、与えられたモジュールタイプに対して限られたサンプルを持つ場合に、特定のタイプの障害を特定するためのモデルの感度を向上させるよう条件を定めている。
- 参考スコア(独自算出の注目度): 2.4270495160901446
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a multi-module framework based on Conditional Variational
Autoencoder (CVAE) to detect anomalies in the power signals coming from
multiple High Voltage Converter Modulators (HVCMs). We condition the model with
the specific modulator type to capture different representations of the normal
waveforms and to improve the sensitivity of the model to identify a specific
type of fault when we have limited samples for a given module type. We studied
several neural network (NN) architectures for our CVAE model and evaluated the
model performance by looking at their loss landscape for stability and
generalization. Our results for the Spallation Neutron Source (SNS)
experimental data show that the trained model generalizes well to detecting
multiple fault types for several HVCM module types. The results of this study
can be used to improve the HVCM reliability and overall SNS uptime
- Abstract(参考訳): 本稿では,複数の高電圧コンバータ変調器(HVCM)から発生する電力信号の異常を検出するために,条件付き変分オートエンコーダ(CVAE)に基づくマルチモジュールフレームワークを提案する。
特定の変調器型のモデルに、通常の波形の異なる表現をキャプチャし、与えられたモジュールタイプの限られたサンプルを持つ場合に、特定のタイプの障害を特定するためのモデルの感度を向上させる。
CVAEモデルのためのニューラルネットワーク(NN)アーキテクチャを複数検討し、その損失景観を安定性と一般化のために検討してモデル性能を評価した。
スカラー化中性子源(SNS)実験データから,複数のHVCMモジュールタイプに対する複数の故障タイプの検出において,トレーニングモデルの有効性が示唆された。
本研究の結果は,HVCMの信頼性向上とSNS全体の稼働時間向上に有効である。
関連論文リスト
- Open-Vocabulary Video Anomaly Detection [57.552523669351636]
監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。
近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。
本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
論文 参考訳(メタデータ) (2023-11-13T02:54:17Z) - MTS-DVGAN: Anomaly Detection in Cyber-Physical Systems using a Dual
Variational Generative Adversarial Network [7.889342625283858]
深層生成モデルは、ラベル付き情報に頼ることなく、サイバー物理システム(CPS)の脆弱性を軽減し、新しいサイバー物理攻撃を検出することを約束している。
本稿では、MST-DVGANという、教師なし二重変分生成対向モデルを提案する。
中心となる概念は、再構成された異常サンプルと正常なサンプルとの区別を広げることで、モデルの識別能力を高めることである。
論文 参考訳(メタデータ) (2023-11-04T11:19:03Z) - Differential Evolution Algorithm based Hyper-Parameters Selection of
Transformer Neural Network Model for Load Forecasting [0.0]
トランスフォーマーモデルは、そのアテンションメカニズムから派生した長距離依存を学習できるため、ロード予測を改善する可能性がある。
我々の研究は,平均二乗誤差 (MSE) や平均絶対パーセンテージ誤差 (MAPE) といった数値に基づく負荷予測において,異なるメタヒューリスティックアルゴリズムと統合されたトランスフォーマーベースニューラルネットワークモデルを比較した。
論文 参考訳(メタデータ) (2023-07-28T04:29:53Z) - Fault diagnosis for PV arrays considering dust impact based on
transformed graphical feature of characteristic curves and convolutional
neural network with CBAM modules [3.8256083307758804]
ダスト衝突を考慮したPVアレイの故障診断手法を提案する。
畳み込みブロックアテンションモジュール (CBAM) を用いた畳み込みニューラルネットワーク (CNN) のモデルは, 故障の識別情報を抽出するために設計されている。
種々の動作条件下で異なるブロッキングダイオード構成を持つPVアレイの開発手法は、高い故障診断精度と信頼性を有する。
論文 参考訳(メタデータ) (2023-03-24T09:55:11Z) - Diversity-Measurable Anomaly Detection [106.07413438216416]
本稿では,再構成の多様性を高めるため,DMAD(Diversity-Measurable Anomaly Detection)フレームワークを提案する。
PDMは基本的に、変形を埋め込みから分離し、最終的な異常スコアをより信頼性を高める。
論文 参考訳(メタデータ) (2023-03-09T05:52:42Z) - On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。
このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。
我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデル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) (2022-06-09T17:12:32Z) - Adaptive Memory Networks with Self-supervised Learning for Unsupervised
Anomaly Detection [54.76993389109327]
教師なし異常検出は、通常のデータのみをトレーニングすることで、目に見えない異常を検出するモデルを構築することを目的としている。
本稿では,これらの課題に対処するために,自己教師付き学習(AMSL)を用いた適応記憶ネットワーク(Adaptive Memory Network)を提案する。
AMSLには、一般的な正規パターンを学ぶための自己教師付き学習モジュールと、リッチな特徴表現を学ぶための適応型メモリ融合モジュールが組み込まれている。
論文 参考訳(メタデータ) (2022-01-03T03:40:21Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳(メタデータ) (2021-02-02T06:15:15Z) - Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。
我々は,再建基準の代替として,異常スコアの代替尺度を提案した。
提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2020-03-24T08:26:58Z)
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。