論文の概要: Evaluation of Key Spatiotemporal Learners for Print Track Anomaly Classification Using Melt Pool Image Streams

• arxiv url: http://arxiv.org/abs/2308.14861v1
• Date: Mon, 28 Aug 2023 19:31:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-30 17:02:01.674264
• Title: Evaluation of Key Spatiotemporal Learners for Print Track Anomaly Classification Using Melt Pool Image Streams
• Title（参考訳）: メルトプール画像ストリームを用いたプリントトラック異常分類のためのキー時空間学習者の評価
• Authors: Lynn Cherif, Mutahar Safdar, Guy Lamouche, Priti Wanjara, Padma Paul, Gentry Wood, Max Zimmermann, Florian Hannesen, Yaoyao Fiona Zhao
• Abstract要約: 本稿では,メルトプール画像の分類に適応可能な,先進的な深層学習モデルについて紹介する。 空間的ストリームと時間的ストリームと、繰り返し空間的ネットワークと、分解された3次元畳み込みニューラルネットワークから構成される2つのストリームネットワークについて検討する。 実世界のプロセスシナリオに根ざしたデータテンポラリ手法を用いて, 溶融プール画像データの摂動に曝露した場合の一般化能力について検討した。
• 参考スコア（独自算出の注目度）: 1.83192584562129
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent applications of machine learning in metal additive manufacturing (MAM) have demonstrated significant potential in addressing critical barriers to the widespread adoption of MAM technology. Recent research in this field emphasizes the importance of utilizing melt pool signatures for real-time defect prediction. While high-quality melt pool image data holds the promise of enabling precise predictions, there has been limited exploration into the utilization of cutting-edge spatiotemporal models that can harness the inherent transient and sequential characteristics of the additive manufacturing process. This research introduces and puts into practice some of the leading deep spatiotemporal learning models that can be adapted for the classification of melt pool image streams originating from various materials, systems, and applications. Specifically, it investigates two-stream networks comprising spatial and temporal streams, a recurrent spatial network, and a factorized 3D convolutional neural network. The capacity of these models to generalize when exposed to perturbations in melt pool image data is examined using data perturbation techniques grounded in real-world process scenarios. The implemented architectures demonstrate the ability to capture the spatiotemporal features of melt pool image sequences. However, among these models, only the Kinetics400 pre-trained SlowFast network, categorized as a two-stream network, exhibits robust generalization capabilities in the presence of data perturbations.
• Abstract（参考訳）: 金属添加物製造(MAM)における機械学習の最近の応用は、MAM技術の普及に対する重要な障壁に対処する大きな可能性を示している。 この分野での最近の研究は、リアルタイム欠陥予測にメルトプールシグネチャを活用することの重要性を強調している。 高品質のメルトプール画像データは正確な予測を可能にするという約束を保っているが, 加法製造プロセスの経時的および逐次的特性を生かした最先端の時空間モデルの利用について, 限定的な探究がなされている。 本研究は,様々な材料,システム,応用から派生したメルトプール画像ストリームの分類に適用可能な,主要な深層時空間学習モデルをいくつか紹介し,実践する。 具体的には,空間的および時間的流れ,再帰的空間的ネットワーク,因子化された3次元畳み込みニューラルネットワークからなる2つのストリームネットワークについて検討する。 メルトプール画像データの摂動に晒された場合に一般化するこれらのモデルの容量を、実世界のプロセスシナリオに基づくデータ摂動技術を用いて検討する。 実装されたアーキテクチャは、溶融プール画像シーケンスの時空間的特徴をキャプチャする能力を示している。 しかし、これらのモデルの中で、データ摂動の存在下で堅牢な一般化能力を示すのは、Kinetics400事前訓練SlowFastネットワークのみである。

関連論文リスト

• Machine learning-enabled velocity model building with uncertainty quantification [0.41942958779358674]
  移動速度モデルの正確な特徴付けは、幅広い物理応用に不可欠である。 従来の速度モデル構築法は強力であるが、逆問題の本質的な複雑さに悩まされることが多い。 本稿では,Diffusion Networkの形で生成モデリングと物理インフォームド・サマリ・統計を統合したスケーラブルな手法を提案する。
  論文  参考訳（メタデータ） (2024-11-11T01:36:48Z)
• SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
  天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。 伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。 本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-29T08:00:15Z)
• Deep Learning for Melt Pool Depth Contour Prediction From Surface Thermal Images via Vision Transformers [40.80426609561942]
  レーザー粉層融合(L-PBF)時に発生する溶融プール間の十分な重なり合いは、核融合欠陥の欠如につながる。 高速カラーイメージングにより観察されたその場2色熱画像と溶融プール断面の2次元形状を相関付ける機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-26T20:55:39Z)
• An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
  リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。 機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。 本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-27T20:53:39Z)
• Pre-training via Denoising for Molecular Property Prediction [53.409242538744444]
  本稿では,3次元分子構造の大規模データセットを平衡に利用した事前学習手法について述べる。 近年のノイズレギュラー化の進展に触発されて, 事前学習の目的は, 雑音の除去に基づくものである。
  論文  参考訳（メタデータ） (2022-05-31T22:28:34Z)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• Spatio-Temporal Recurrent Networks for Event-Based Optical Flow Estimation [47.984368369734995]
  本稿では,イベントベース光フロー推定のためのニューラルネットアーキテクチャを提案する。 このネットワークは、Multi-Vehicle Stereo Event Cameraデータセット上で、セルフ教師付き学習でエンドツーエンドにトレーニングされている。 既存の最先端の手法を大きなマージンで上回る結果が得られた。
  論文  参考訳（メタデータ） (2021-09-10T13:37:37Z)
• Estimating permeability of 3D micro-CT images by physics-informed CNNs based on DNS [1.6274397329511197]
  本稿では,地質岩のマイクロCTによる透水率予測手法を提案する。 透過性予測専用のCNNのためのトレーニングデータセットは、古典格子ボルツマン法(LBM)によって通常生成される透過性ラベルからなる。 その代わりに、定常ストークス方程式を効率的かつ分散並列に解き、直接数値シミュレーション(DNS)を行う。
  論文  参考訳（メタデータ） (2021-09-04T08:43:19Z)
• Connect the Dots: In Situ 4D Seismic Monitoring of CO$_2$ Storage with Spatio-temporal CNNs [16.596385405707977]
  4次元地震イメージングは、井戸で採取されていない体積領域の流動をモニタリングするために、CO$$セシエーションプロジェクトで広く利用されている。 我々は,高忠実度補間画像を効果的かつ効率的に生成できるニューラルネットワークベースのモデルを開発した。 我々のモデルはオートエンコーダ上に構築され、新しい損失関数正規化光フローを持つ長短期記憶(LSTM)構造が組み込まれている。
  論文  参考訳（メタデータ） (2021-05-25T02:38:22Z)
• Finite volume method network for acceleration of unsteady computational fluid dynamics: non-reacting and reacting flows [0.0]
  CFDシミュレーションを高速化するために,ユニークなネットワークアーキテクチャと物理インフォームド損失関数を備えたニューラルネットワークモデルを開発した。 反応フローデータセットでは、このネットワークモデルの計算速度はCFDソルバの約10倍の速さで測定された。
  論文  参考訳（メタデータ） (2021-05-07T15:33:49Z)
• On the Post-hoc Explainability of Deep Echo State Networks for Time Series Forecasting, Image and Video Classification [63.716247731036745]
  エコー状態ネットワークは、主に学習アルゴリズムの単純さと計算効率のために、時間を通じて多くのスターを惹きつけてきた。 本研究では,時間系列,画像,映像データを用いた学習タスクに適用した場合のエコー状態ネットワークの説明可能性について検討した。 本研究では,これらの反復モデルが把握した知識に関する理解可能な情報を抽出する3つの手法を提案する。
  論文  参考訳（メタデータ） (2021-02-17T08:56:33Z)

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。