Fugu-MT 論文翻訳(概要): Internet of Things Fault Detection and Classification via Multitask Learning

論文の概要: Internet of Things Fault Detection and Classification via Multitask Learning

arxiv url: http://arxiv.org/abs/2307.01234v1
Date: Mon, 3 Jul 2023 09:30:20 GMT
ステータス: 処理完了
システム内更新日: 2023-07-06 19:36:15.997778
Title: Internet of Things Fault Detection and Classification via Multitask Learning
Title（参考訳）: マルチタスク学習によるモノのインターネットの故障検出と分類
Authors: Mohammad Arif Ul Alam
Abstract要約: 我々は,IIoTにおける故障検出と分類のためのSMTCNNを提案し,実世界のデータを用いた性能評価を行った。 SMTCNNはより優れた特異性(3.5%)を達成し、既存の技術と比較して精度、リコール、F1測定の大幅な改善を示している。
参考スコア（独自算出の注目度）: 1.776746672434207
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: This paper presents a comprehensive investigation into developing a fault detection and classification system for real-world IIoT applications. The study addresses challenges in data collection, annotation, algorithm development, and deployment. Using a real-world IIoT system, three phases of data collection simulate 11 predefined fault categories. We propose SMTCNN for fault detection and category classification in IIoT, evaluating its performance on real-world data. SMTCNN achieves superior specificity (3.5%) and shows significant improvements in precision, recall, and F1 measures compared to existing techniques.
Abstract（参考訳）: 本稿では,実世界のIIoTアプリケーションを対象とした断層検出・分類システムの開発に関する包括的調査を行う。この研究は、データ収集、アノテーション、アルゴリズム開発、デプロイメントにおける課題に対処する。実世界のIIoTシステムを使用して、データ収集の3つのフェーズは、事前に定義された11の障害カテゴリをシミュレートする。我々は,IIoTにおける故障検出と分類のためのSMTCNNを提案し,実世界のデータを用いた性能評価を行った。 smtcnnは優れた特異性(3.5%)を達成し、既存の技術と比べて精度、リコール、およびf1の測定が大幅に改善されている。

関連論文リスト

DeepHeteroIoT: Deep Local and Global Learning over Heterogeneous IoT Sensor Data [9.531834233076934]
本稿では,畳み込みニューラルネットワークと双方向Gated Recurrent Unitを併用して,局所的特徴とグローバルな特徴をそれぞれ学習する新しいディープラーニングモデルを提案する。特に、このモデルはデータセット全体で平均3.37%の精度と2.85%のF1スコアの絶対的な改善を実現している。
論文参考訳（メタデータ） (2024-03-29T06:24:07Z)
Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文参考訳（メタデータ） (2024-01-06T07:30:41Z)
Online Anomalous Subtrajectory Detection on Road Networks with Deep Reinforcement Learning [38.71141801699763]
我々はRL4OASDと呼ばれる新しい強化学習ベースのソリューションを提案する。 RL4OASDには2つのネットワークがあり、1つは道路ネットワークと軌道の特徴を学習し、もう1つは異常なサブ軌道を検出する。
論文参考訳（メタデータ） (2022-11-12T15:17:57Z)
Tackling Long-Tailed Category Distribution Under Domain Shifts [50.21255304847395]
既存のアプローチでは、両方の問題が存在するシナリオに対処できません。本研究では,分散校正型分類損失,視覚意味マッピング,セマンティック類似性誘導拡張の3つの新しい機能ブロックを設計した。 AWA2-LTSとImageNet-LTSという2つの新しいデータセットが提案された。
論文参考訳（メタデータ） (2022-07-20T19:07:46Z)
Active Weighted Aging Ensemble for Drifted Data Stream Classification [2.277447144331876]
概念ドリフトは分類モデルの性能を不安定化し、その品質を著しく低下させる。提案手法は実データストリームと実データストリームの両方を用いて計算機実験により評価されている。その結果,提案アルゴリズムは最先端手法よりも高品質であることが確認された。
論文参考訳（メタデータ） (2021-12-19T13:52:53Z)
Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
論文参考訳（メタデータ） (2021-10-19T17:41:43Z)
Enhancing Unsupervised Anomaly Detection with Score-Guided Network [13.127091975959358]
異常検出は、医療や金融システムなど、さまざまな現実世界のアプリケーションにおいて重要な役割を担っている。正規データと異常データの間の異常スコアの差を学習・拡大するために,スコア誘導正規化を用いた新しいスコアネットワークを提案する。次に,スコア誘導型オートエンコーダ(SG-AE)を提案する。
論文参考訳（メタデータ） (2021-09-10T06:14:53Z)
No Fear of Heterogeneity: Classifier Calibration for Federated Learning with Non-IID Data [78.69828864672978]
実世界のフェデレーションシステムにおける分類モデルのトレーニングにおける中心的な課題は、非IIDデータによる学習である。このアルゴリズムは, 近似されたssian混合モデルからサンプリングした仮想表現を用いて分類器を調整する。実験の結果,CIFAR-10,CIFAR-100,CINIC-10など,一般的なフェデレーション学習ベンチマークにおけるCCVRの現状が示された。
論文参考訳（メタデータ） (2021-06-09T12:02:29Z)
An Explainable Machine Learning-based Network Intrusion Detection System for Enabling Generalisability in Securing IoT Networks [0.0]
機械学習(ML)ベースのネットワーク侵入検知システムは、組織のセキュリティ姿勢を高める多くの利点をもたらす。多くのシステムは研究コミュニティで設計・開発されており、特定のデータセットを用いて評価すると、しばしば完璧な検出率を達成する。本稿では,異なるネットワーク環境と攻撃タイプに設定した共通機能の汎用性を評価することにより,ギャップを狭める。
論文参考訳（メタデータ） (2021-04-15T00:44:45Z)
Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文参考訳（メタデータ） (2020-12-29T23:43:16Z)
Generalized Zero-Shot Learning Via Over-Complete Distribution [79.5140590952889]
そこで本稿では,CVAE (Conditional Variational Autoencoder) を用いたOCD(Over-Complete Distribution) の生成を提案する。フレームワークの有効性は,Zero-Shot LearningプロトコルとGeneralized Zero-Shot Learningプロトコルの両方を用いて評価する。
論文参考訳（メタデータ） (2020-04-01T19:05:28Z)

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。