論文の概要: De-SaTE: Denoising Self-attention Transformer Encoders for Li-ion Battery Health Prognostics

• arxiv url: http://arxiv.org/abs/2310.00023v2
• Date: Sat, 11 Nov 2023 21:36:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-14 20:25:46.302286
• Title: De-SaTE: Denoising Self-attention Transformer Encoders for Li-ion Battery Health Prognostics
• Title（参考訳）: De-SaTE:Liイオン電池の健康診断のためのセルフアテンショントランスフォーマーエンコーダ
• Authors: Gaurav Shinde, Rohan Mohapatra, Pooja Krishan and Saptarshi Sengupta
• Abstract要約: 本研究は, 電池データによく見られる特定のノイズに対処するよう訓練された, 複数モジュールのパワーを利用する新しい手法を提案する。 NASAとCALCEのデータに対する広範な実験の後、様々なノイズパターンの下で幅広い健康指標値が推定される。 これらのデータに関する報告されたエラーメトリクスは、最近の文献で報告されている最先端のメトリクスと同等かそれ以上である。
• 参考スコア（独自算出の注目度）: 0.9217021281095907
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The usage of Lithium-ion (Li-ion) batteries has gained widespread popularity across various industries, from powering portable electronic devices to propelling electric vehicles and supporting energy storage systems. A central challenge in Li-ion battery reliability lies in accurately predicting their Remaining Useful Life (RUL), which is a critical measure for proactive maintenance and predictive analytics. This study presents a novel approach that harnesses the power of multiple denoising modules, each trained to address specific types of noise commonly encountered in battery data. Specifically, a denoising auto-encoder and a wavelet denoiser are used to generate encoded/decomposed representations, which are subsequently processed through dedicated self-attention transformer encoders. After extensive experimentation on NASA and CALCE data, a broad spectrum of health indicator values are estimated under a set of diverse noise patterns. The reported error metrics on these data are on par with or better than the state-of-the-art reported in recent literature.
• Abstract（参考訳）: リチウムイオン電池の使用は、ポータブル電子機器の電源から電気自動車の推進、エネルギー貯蔵システムのサポートに至るまで、様々な産業で広く普及している。 リチウムイオン電池の信頼性における中心的な課題は、持続的メンテナンスと予測分析にとって重要な指標であるRemaining Useful Life (RUL)を正確に予測することにある。 本研究は,電池データに共通する特定のノイズに対処するよう訓練された,複数モジュールのパワーを利用する新しい手法を提案する。 具体的には、消音オートエンコーダとウェーブレットデノイザーを使用して符号化/分解された表現を生成し、その後専用のセルフアテンショントランスフォーマエンコーダで処理する。 NASAとCALCEのデータに対する広範な実験の後、様々なノイズパターンの下で幅広い健康指標値が推定される。 これらのデータに関する報告されたエラーメトリクスは、最近の文献で報告された最新技術と同等かそれ以上である。

関連論文リスト

• TinyML NLP Approach for Semantic Wireless Sentiment Classification [49.801175302937246]
  本稿では,エネルギー効率のよいプライバシ保護型小型機械学習(MLTiny)方式としてスプリットラーニング(SL)を導入する。 その結果,SLは高い精度を維持しながら処理能力とCO2排出量を低減し,FLは効率とプライバシのバランスのとれた妥協を提供することがわかった。
  論文  参考訳（メタデータ） (2024-11-09T21:26:59Z)
• The State of Lithium-Ion Battery Health Prognostics in the CPS Era [13.663561721352792]
  本稿では,バッテリ内における診断と健康管理のシームレスな統合について考察する。 予後学において重要な概念であるRemaining useful Life (RUL) を深く検討し, コンポーネント障害の予測におけるその役割を強調した。 Liイオン電池の健康診断分野におけるディープラーニングアーキテクチャへのパラダイムシフトを強調している。
  論文  参考訳（メタデータ） (2024-03-28T20:01:35Z)
• Remaining useful life prediction of Lithium-ion batteries using spatio-temporal multimodal attention networks [4.249657064343807]
  リチウムイオン電池は、電気自動車や再生可能エネルギー貯蔵など様々な用途で広く使われている。 電池の残存寿命(RUL)の予測は信頼性と効率の確保に不可欠である。 本稿では, 時空間アテンションネットワーク(ST-MAN)を用いたリチウムイオン電池の2段階RUL予測手法を提案する。
  論文  参考訳（メタデータ） (2023-10-29T07:32:32Z)
• Estimation of Remaining Useful Life and SOH of Lithium Ion Batteries (For EV Vehicles) [0.0]
  本稿では,リチウムイオン電池の寿命を推定するための既存手法について概説する。 リチウムイオン電池の寿命を正確に予測するための機械学習技術に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-05-17T15:35:31Z)
• Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
  我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
  論文  参考訳（メタデータ） (2023-04-14T10:09:50Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• Transfer Learning and Vision Transformer based State-of-Health prediction of Lithium-Ion Batteries [1.2468700211588883]
  健康状態(SOH)の正確な予測は、電池寿命に対するユーザの不安を緩和するだけでなく、バッテリーの管理に重要な情報を提供する。 本稿では,視覚変換器(ViT)モデルに基づくSOHの予測手法を提案する。
  論文  参考訳（メタデータ） (2022-09-07T16:54:15Z)
• Macroscopic noise amplification by asymmetric dyads in non-Hermitian optical systems for generative diffusion models [55.2480439325792]
  非対称な非エルミートダイアドは、効率的なセンサーと超高速な乱数発生器の候補である。 このような非対称なダイアドからの集積光放射は、機械学習の全光学的退化拡散モデルに効率的に利用できる。
  論文  参考訳（メタデータ） (2022-06-24T10:19:36Z)
• Deep Metric Learning with Locality Sensitive Angular Loss for Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
  本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。 本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。 このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
  論文  参考訳（メタデータ） (2021-10-13T21:51:56Z)
• Overcoming limited battery data challenges: A coupled neural network approach [0.0]
  深層ニューラルネットワークを用いた時系列バッテリデータ拡張手法を提案する。 あるモデルはバッテリ充電プロファイルを生成し、別のモデルはバッテリ放電プロファイルを生成する。 その結果,バッテリーデータに制限がある場合の問題点を解消するために,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-10-05T16:17:19Z)
• Performance of teleportation-based error correction circuits for bosonic codes with noisy measurements [58.720142291102135]
  テレポーテーションに基づく誤り訂正回路を用いて、回転対称符号の誤り訂正能力を解析する。 マイクロ波光学における現在達成可能な測定効率により, ボソニック回転符号の破壊ポテンシャルは著しく低下することが判明した。
  論文  参考訳（メタデータ） (2021-08-02T16:12:13Z)

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。