論文の概要: Information Fusion for Assistance Systems in Production Assessment
- arxiv url: http://arxiv.org/abs/2309.00157v1
- Date: Thu, 31 Aug 2023 22:08:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-04 15:00:45.570033
- Title: Information Fusion for Assistance Systems in Production Assessment
- Title(参考訳): 生産評価における支援システムのための情報融合
- Authors: Fernando Ar\'evalo, Christian Alison M. Piolo, M. Tahasanul Ibrahim,
Andreas Schwung
- Abstract要約: 証拠理論を用いたn個の情報ソースの融合のための枠組みを提供する。
本稿では,機械データに基づくアンサンブル分類器とエキスパート中心モデルという,2つの主要な情報源の情報融合手法を提案する。
本稿では,エビデンス理論を用いたモデル更新手法を提案することにより,データドリフトの問題に対処する。
- 参考スコア(独自算出の注目度): 49.40442046458756
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We propose a novel methodology to define assistance systems that rely on
information fusion to combine different sources of information while providing
an assessment. The main contribution of this paper is providing a general
framework for the fusion of n number of information sources using the evidence
theory. The fusion provides a more robust prediction and an associated
uncertainty that can be used to assess the prediction likeliness. Moreover, we
provide a methodology for the information fusion of two primary sources: an
ensemble classifier based on machine data and an expert-centered model. We
demonstrate the information fusion approach using data from an industrial
setup, which rounds up the application part of this research. Furthermore, we
address the problem of data drift by proposing a methodology to update the
data-based models using an evidence theory approach. We validate the approach
using the Benchmark Tennessee Eastman while doing an ablation study of the
model update parameters.
- Abstract(参考訳): 本稿では,情報融合に頼って情報ソースを結合し,アセスメントを提供しながら支援システムを定義する新しい手法を提案する。
本論文の主な貢献は、エビデンス理論を用いたn個の情報ソースの融合に関する一般的な枠組みを提供することである。
融合はより堅牢な予測と関連する不確実性を提供し、予測の類似性を評価するのに使用できる。
さらに,機械データに基づくアンサンブル分類器とエキスパート中心モデルという,2つの主要な情報源の情報融合手法を提案する。
本稿では,産業施設のデータを用いた情報融合手法を実証し,本研究の応用部分をまとめる。
さらに,エビデンス理論を用いてデータベースモデルを更新する手法を提案することで,データドリフトの問題に対処する。
モデル更新パラメータのアブレーション研究をしながら、ベンチマークテネシー・イーストマンを用いてアプローチを検証する。
関連論文リスト
- Federated Learning with Projected Trajectory Regularization [65.6266768678291]
フェデレーション学習は、ローカルデータを共有せずに、分散クライアントから機械学習モデルの共同トレーニングを可能にする。
連合学習における重要な課題の1つは、クライアントにまたがる識別できない分散データを扱うことである。
本稿では,データ問題に対処するための予測軌道正則化(FedPTR)を備えた新しいフェデレーション学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-22T02:12:08Z) - Integrating Large Pre-trained Models into Multimodal Named Entity
Recognition with Evidential Fusion [31.234455370113075]
本稿では,MNERタスクに不確実性推定を取り入れ,信頼に値する予測を生成することを提案する。
提案アルゴリズムは,各モードの分布を正規逆ガンマ分布としてモデル化し,それらを統一分布に融合する。
2つのデータセットの実験により,提案手法がベースラインを上回り,新しい最先端性能を実現することを示す。
論文 参考訳(メタデータ) (2023-06-29T14:50:23Z) - Federated Data Analytics: A Study on Linear Models [2.8360662552057323]
我々は、最も基本的な統計モデルである線形回帰の1つに対するFDA治療を開発する。
我々の治療は階層的モデリングに基づいており、複数のグループにまたがって強度を借りることができる。
本手法は,航空機用エンジンのコンディション監視を含む,さまざまな実環境応用に対して検証する。
論文 参考訳(メタデータ) (2022-06-15T19:50:07Z) - Better Modelling Out-of-Distribution Regression on Distributed Acoustic
Sensor Data Using Anchored Hidden State Mixup [0.7455546102930911]
トレーニングデータとテストデータの統計的分布が異なる状況への機械学習モデルの応用を一般化することは、複雑な問題であった。
本稿では,正規化の新たなペナルティを形成するために,多様体隠蔽状態の混合と観測類似性を利用したアンカー型回帰混合アルゴリズムを提案する。
提案手法の既存手法に対する一般化性能を広範囲に評価し,提案手法が最先端性能を実現することを示す。
論文 参考訳(メタデータ) (2022-02-23T03:12:21Z) - Integrating Semantics and Neighborhood Information with Graph-Driven
Generative Models for Document Retrieval [51.823187647843945]
本稿では,周辺情報をグラフ誘導ガウス分布でエンコードし,その2種類の情報をグラフ駆動生成モデルと統合することを提案する。
この近似の下では、トレーニング対象がシングルトンまたはペアワイズ文書のみを含む用語に分解可能であることを証明し、モデルが非関連文書と同じくらい効率的にトレーニングできることを示す。
論文 参考訳(メタデータ) (2021-05-27T11:29:03Z) - A Survey on Neural Recommendation: From Collaborative Filtering to
Content and Context Enriched Recommendation [70.69134448863483]
レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。
近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
論文 参考訳(メタデータ) (2021-04-27T08:03:52Z) - Interpretable collaborative data analysis on distributed data [9.434133337939498]
本稿では,フェデレート学習システムの一つとして,非モデル共有協調データ分析手法を提案する。
それぞれのパーティで個別に構築される中間表現を集中化することにより、提案手法は解釈可能なモデルを得る。
数値実験により, 提案手法は, 個人分析よりも, 実世界の問題に対する認識性能の向上を図っている。
論文 参考訳(メタデータ) (2020-11-09T13:59:32Z) - S^3-Rec: Self-Supervised Learning for Sequential Recommendation with
Mutual Information Maximization [104.87483578308526]
本稿では,シーケンスレコメンデーションのための自己改善学習のためのモデルS3-Recを提案する。
そこで本稿では,属性,項目,サブシーケンス,シーケンス間の相関関係を学習するために,4つの補助的自己教師対象を考案する。
6つの実世界のデータセットで実施された大規模な実験は、既存の最先端手法よりも提案手法が優れていることを示す。
論文 参考訳(メタデータ) (2020-08-18T11:44:10Z) - Model Fusion with Kullback--Leibler Divergence [58.20269014662046]
異種データセットから学習した後続分布を融合する手法を提案する。
我々のアルゴリズムは、融合モデルと個々のデータセット後部の両方に対する平均場仮定に依存している。
論文 参考訳(メタデータ) (2020-07-13T03:27:45Z) - A new approach for generation of generalized basic probability
assignment in the evidence theory [5.794599007795347]
デンプスター・シェーファーエビデンス理論は多ソース情報融合において広く用いられている。
本稿では,不完全情報を用いた基本確率割当(BPA)の生成について検討する。
提案手法は, 単純かつ柔軟に異なる複雑な環境でも利用できるだけでなく, 情報処理における情報損失も少ない。
論文 参考訳(メタデータ) (2020-04-06T15:40:35Z)
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。