論文の概要: Generalized Out-of-distribution Fault Diagnosis (GOOFD) via Internal Contrastive Learning

• arxiv url: http://arxiv.org/abs/2306.15266v2
• Date: Thu, 10 Oct 2024 15:35:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-11 14:28:38.907457
• Title: Generalized Out-of-distribution Fault Diagnosis (GOOFD) via Internal Contrastive Learning
• Title（参考訳）: 内部コントラスト学習による一般分布異常診断(GOOFD)
• Authors: Xingyue Wang, Hanrong Zhang, Xinlong Qiao, Ke Ma, Shuting Tao, Peng Peng, Hongwei Wang,
• Abstract要約: 本稿では,診断サブタスクを統合するために,一般化されたアウト・オブ・ディストリビューション障害診断フレームワークを提案する。 内部のコントラスト学習とマハラノビス距離に基づく統一的な断層診断手法が提案手法の基盤となる。 提案手法は,複数の故障診断タスクに適用可能であり,既存の単一タスク法よりも優れた性能を実現することができる。
• 参考スコア（独自算出の注目度）: 8.583116999933731
• License:
• Abstract: Fault diagnosis is crucial in monitoring machines within industrial processes. With the increasing complexity of working conditions and demand for safety during production, diverse diagnosis methods are required, and an integrated fault diagnosis system capable of handling multiple tasks is highly desired. However, the diagnosis subtasks are often studied separately, and the current methods still need improvement for such a generalized system. To address this issue, we propose the Generalized Out-of-distribution Fault Diagnosis (GOOFD) framework to integrate diagnosis subtasks. Additionally, a unified fault diagnosis method based on internal contrastive learning and Mahalanobis distance is put forward to underpin the proposed generalized framework. The method involves feature extraction through internal contrastive learning and outlier recognition based on the Mahalanobis distance. Our proposed method can be applied to multiple faults diagnosis tasks and achieve better performance than the existing single-task methods. Experiments are conducted on benchmark and practical process datasets, indicating the effectiveness of the proposed framework.
• Abstract（参考訳）: 故障診断は産業プロセス内の監視機械に不可欠である。 作業条件の複雑化と生産中の安全性の要求により、多様な診断方法が必要となり、複数のタスクを処理できる統合障害診断システムが望まれる。 しかし、診断サブタスクは別々に研究されることが多く、現在の手法ではそのような一般化システムを改善する必要がある。 この問題に対処するため,診断サブタスクを統合するため,GOOFD(Generalized Out-of-distriion Fault Diagnosis)フレームワークを提案する。 さらに、内部のコントラスト学習とマハラノビス距離に基づく統一的な故障診断手法が提案された一般化枠組みの基盤となる。 この手法は,マハラノビス距離に基づく内的コントラスト学習と外乱認識による特徴抽出を含む。 提案手法は,複数の故障診断タスクに適用可能であり,既存の単一タスク法よりも優れた性能を実現することができる。 ベンチマークおよび実践的なプロセスデータセットを用いて実験を行い、提案フレームワークの有効性を示す。

関連論文リスト

• TVDiag: A Task-oriented and View-invariant Failure Diagnosis Framework with Multimodal Data [11.373761837547852]
  マイクロサービスベースのシステムは、複雑なインタラクションとスケールの拡大によって、信頼性上の問題に悩まされることが多い。 単一モードのデータを使用する従来の障害診断方法は、制限された情報のため、すべての障害シナリオをほとんどカバーできない。 我々は,マルチモーダルな障害診断フレームワークである textitTVDiag を提案する。
  論文  参考訳（メタデータ） (2024-07-29T05:26:57Z)
• Diagnosis driven Anomaly Detection for CPS [44.97616703648182]
  本稿では、深層学習に基づく異常検出を利用して、一貫性に基づく診断(CBD)のための入力を生成する手法を提案する。 我々は、シミュレーションと実世界のCPSデータセットに対する我々のアプローチを評価し、我々のモデルは、他の最先端モデルと比較して強い性能を示す。
  論文  参考訳（メタデータ） (2023-11-27T15:34:40Z)
• A Foundational Framework and Methodology for Personalized Early and Timely Diagnosis [84.6348989654916]
  本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。 診断過程を概説する決定論的アプローチに基づいている。 機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
  論文  参考訳（メタデータ） (2023-11-26T14:42:31Z)
• A Sparse Bayesian Learning for Diagnosis of Nonstationary and Spatially Correlated Faults with Application to Multistation Assembly Systems [3.4991031406102238]
  本稿では,空間的に相関したスパースベイズ学習(CSSBL)をクラスタリングする新しい故障診断手法を提案する。 提案手法の有効性は,実際の自己体組立システムを用いた数値および実世界のケーススタディによって検証される。 提案手法の一般化により,コミュニケーションや医療システムなど他の領域の故障診断に応用できる。
  論文  参考訳（メタデータ） (2023-10-20T23:56:53Z)
• An Evidential Real-Time Multi-Mode Fault Diagnosis Approach Based on Broad Learning System [26.733033919978364]
  本稿では,産業システムにおけるリアルタイムマルチモード故障診断のための新しい手法を提案する。 提案手法では,拡張エビデンス推論 (ER) アルゴリズムを用いて情報を融合し,異なる基底分類器から出力をマージする。 提案手法の有効性は、マルチモードのテネシー・イーストマンプロセスデータセット上で実証される。
  論文  参考訳（メタデータ） (2023-04-29T04:42:44Z)
• Machine learning-based approach for online fault Diagnosis of Discrete Event System [0.0]
  問題は、センサーとアクチュエータが個別のバイナリ信号を提供する自動生産システムのオンライン診断である。 本稿では,診断システムの機械学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-10-24T08:56:13Z)
• On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
  データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。 モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。 提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
  論文  参考訳（メタデータ） (2021-10-17T13:42:37Z)
• Probabilistic Bearing Fault Diagnosis Using Gaussian Process with Tailored Feature Extraction [10.064000794573756]
  転がり軸受は、過酷な環境下での長時間の運転により、様々な障害にさらされる。 現在の深層学習法は, 決定論的分類の形で軸受断層診断を行う。 本研究では,予測の不確実性を考慮した確率的故障診断フレームワークを開発した。
  論文  参考訳（メタデータ） (2021-09-19T18:34:29Z)
• Anytime Diagnosis for Reconfiguration [52.77024349608834]
  我々は、いつでも直接診断できるflexdiagを紹介し分析する。 特徴モデルの領域からの構成ベンチマークと自動車領域からの産業構成知識ベースを使用して、性能および診断品質に関するアルゴリズムを評価します。
  論文  参考訳（メタデータ） (2021-02-19T11:45:52Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• NADS: Neural Architecture Distribution Search for Uncertainty Awareness [79.18710225716791]
  機械学習(ML)システムは、トレーニングデータとは異なるディストリビューションから来るテストデータを扱う場合、しばしばOoD(Out-of-Distribution)エラーに遭遇する。 既存のOoD検出アプローチはエラーを起こしやすく、時にはOoDサンプルに高い確率を割り当てることもある。 本稿では,すべての不確実性を考慮したアーキテクチャの共通構築ブロックを特定するために,ニューラルアーキテクチャ分布探索(NADS)を提案する。
  論文  参考訳（メタデータ） (2020-06-11T17:39:07Z)

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。