論文の概要: Variational Autoencoders for Noise Reduction in Industrial LLRF Systems

• arxiv url: http://arxiv.org/abs/2311.02096v2
• Date: Tue, 7 Nov 2023 19:01:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-10 17:23:11.969853
• Title: Variational Autoencoders for Noise Reduction in Industrial LLRF Systems
• Title（参考訳）: 産業用LLRFシステムのノイズ低減のための変分オートエンコーダ
• Authors: J. P. Edelen, M. J. Henderson, J. Einstein-Curtis, C. C. Hall, J. A. Diaz Cruz and A. L. Edelen
• Abstract要約: 工業用粒子加速器は、典型的な研究加速器よりも汚い環境で作動する。 これにより、RFシステムと他の電子システムの両方でノイズが増大する。 本研究は,産業用加速器のパルス-パルスフィードバックに用いるRF信号のノイズを低減するために,機械学習技術を利用することに重点を置いている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Industrial particle accelerators inherently operate in much dirtier environments than typical research accelerators. This leads to an increase in noise both in the RF system and in other electronic systems. Combined with the fact that industrial accelerators are mass produced, there is less attention given to optimizing the performance of an individual system. As a result, industrial systems tend to under perform considering their hardware hardware capabilities. With the growing demand for accelerators for medical sterilization, food irradiation, cancer treatment, and imaging, improving the signal processing of these machines will increase the margin for the deployment of these systems. Our work is focusing on using machine learning techniques to reduce the noise of RF signals used for pulse-to-pulse feedback in industrial accelerators. We will review our algorithms, simulation results, and results working with measured data. We will then discuss next steps for deployment and testing on an industrial system.
• Abstract（参考訳）: 工業用粒子加速器は、典型的な研究加速器よりも汚い環境で本質的に機能する。 これにより、RFシステムと他の電子システムの両方でノイズが増加する。 産業用加速器が大量生産されているという事実と相まって、個々のシステムの性能を最適化することにはあまり注意が払わない。 その結果、産業システムはハードウェアの能力を考慮すると性能が低下する傾向にある。 医療滅菌、食品照射、がん治療、画像診断のアクセラレーターの需要が高まるにつれ、これらの機械の信号処理の改善により、これらのシステムの展開のマージンが増大する。 本研究は,産業用加速器のパルス-パルスフィードバックに用いるRF信号のノイズを低減するために,機械学習技術を利用することに重点を置いている。 我々は,我々のアルゴリズム,シミュレーション結果,および測定データを扱う結果についてレビューする。 次に、産業システムへのデプロイとテストの次のステップについて議論します。

関連論文リスト

• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Attention-stacked Generative Adversarial Network (AS-GAN)-empowered Sensor Data Augmentation for Online Monitoring of Manufacturing System [6.635444871363967]
  本稿では,製造システムにおけるオンライン監視のセンサデータ拡張のための注意喚起型GAN(AS-GAN)アーキテクチャを提案する。 GANのジェネレータを強化し、シーケンシャルな情報をキャプチャする新しいアテンションスタックフレームワークが組み込まれている。
  論文  参考訳（メタデータ） (2023-06-09T21:35:34Z)
• Data Augmentation with GAN increases the Performance of Arrhythmia Classification for an Unbalanced Dataset [0.0]
  データ不足は、機械学習の分野で大きな問題の1つだ。 本研究では,MIT-BIH Arrhythmia Databaseを用いて新しいECG信号を生成する。 これらの生成されたデータは、機械学習システムと実際のECGデータをテストするために使用される。
  論文  参考訳（メタデータ） (2023-02-24T16:47:10Z)
• Deep Multi-Emitter Spectrum Occupancy Mapping that is Robust to the Number of Sensors, Noise and Threshold [32.880113150521154]
  スペクトル占有マッピングの主な目的の1つは、センサー数、占有閾値(dBm)、センサノイズ、エミッタ数、伝播環境に関する仮定に頑健なシステムを作ることである。 このようなシステムは、トレーニングやテスト中に様々なセンサーを利用できるように、アグリゲーションのプロセスを用いてニューラルネットワークで設計される可能性がある。
  論文  参考訳（メタデータ） (2022-11-27T14:08:11Z)
• On a Uniform Causality Model for Industrial Automation [61.303828551910634]
  産業自動化の様々な応用分野に対する一様因果モデルを提案する。 得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。 このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
  論文  参考訳（メタデータ） (2022-09-20T11:23:51Z)
• 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)
• Fault Detection and Diagnosis with Imbalanced and Noisy Data: A Hybrid Framework for Rotating Machinery [2.580765958706854]
  回転機械製造システムの保守コスト低減には, 故障診断が重要な役割を担っている。 従来のフォールト検出および診断(FDD)フレームワークは、現実の状況に対処する際のパフォーマンスが劣っている。 本稿では、上記の3つのコンポーネントを用いて、効果的な信号ベースFDDシステムを実現するハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-09T01:09:59Z)
• FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
  本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。 この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。 分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
  論文  参考訳（メタデータ） (2022-01-18T13:59:22Z)
• Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
  テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。 THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。 本稿では,信号前処理に着目した手法の概要を示す。 また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
  論文  参考訳（メタデータ） (2021-04-09T01:38:34Z)
• Anomalous Sound Detection using unsupervised and semi-supervised autoencoders and gammatone audio representation [4.591851728010269]
  本稿では,畳み込みオートエンコーダとガンマトーンに基づく音声表現に基づく新しいフレームワークを提案する。 機械の故障や損傷を早期に検出することは、大きな節約と産業プロセスの効率の向上を意味する可能性がある。
  論文  参考訳（メタデータ） (2020-06-27T08:25:47Z)
• Reinforcement Learning Approach to Vibration Compensation for Dynamic Feed Drive Systems [62.19441737665902]
  機械工具軸に適用された振動補償に対する強化学習に基づくアプローチを提案する。 本研究は, 産業機械のハードウェアと制御システムを用いた問題定式化, ソリューション, 実装, 実験について述べる。
  論文  参考訳（メタデータ） (2020-04-14T14:22:36Z)

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。