論文の概要: Analysis and Applications of Deep Learning with Finite Samples in Full Life-Cycle Intelligence of Nuclear Power Generation

• arxiv url: http://arxiv.org/abs/2311.04247v1
• Date: Tue, 7 Nov 2023 06:17:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-09 18:05:49.040114
• Title: Analysis and Applications of Deep Learning with Finite Samples in Full Life-Cycle Intelligence of Nuclear Power Generation
• Title（参考訳）: 原子力発電のライフサイクル・インテリジェンスにおける有限サンプルを用いた深層学習の解析と応用
• Authors: Chenwei Tang and Wenqiang Zhou and Dong Wang and Caiyang Yu and Zhenan He and Jizhe Zhou and Shudong Huang and Yi Gao and Jianming Chen and Wentao Feng and Jiancheng Lv
• Abstract要約: 産業4.0の出現は、産業の文脈において人工知能(AI)の手法が取り入れられた。 しかし、複雑な工業用ミレウス、特にエネルギー探査と生産に関連するものは、長い尾のクラス分布、サンプルの不均衡、ドメインシフトを特徴とするデータを含むことが多い。 本研究は, 深層学習(DL)技術の適用を慎重に検討する, 原子力発電(NPG)の複雑で独特な産業シナリオに焦点を当てる。
• 参考スコア（独自算出の注目度）: 21.938498455998303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advent of Industry 4.0 has precipitated the incorporation of Artificial Intelligence (AI) methods within industrial contexts, aiming to realize intelligent manufacturing, operation as well as maintenance, also known as industrial intelligence. However, intricate industrial milieus, particularly those relating to energy exploration and production, frequently encompass data characterized by long-tailed class distribution, sample imbalance, and domain shift. These attributes pose noteworthy challenges to data-centric Deep Learning (DL) techniques, crucial for the realization of industrial intelligence. The present study centers on the intricate and distinctive industrial scenarios of Nuclear Power Generation (NPG), meticulously scrutinizing the application of DL techniques under the constraints of finite data samples. Initially, the paper expounds on potential employment scenarios for AI across the full life-cycle of NPG. Subsequently, we delve into an evaluative exposition of DL's advancement, grounded in the finite sample perspective. This encompasses aspects such as small-sample learning, few-shot learning, zero-shot learning, and open-set recognition, also referring to the unique data characteristics of NPG. The paper then proceeds to present two specific case studies. The first revolves around the automatic recognition of zirconium alloy metallography, while the second pertains to open-set recognition for signal diagnosis of machinery sensors. These cases, spanning the entirety of NPG's life-cycle, are accompanied by constructive outcomes and insightful deliberations. By exploring and applying DL methodologies within the constraints of finite sample availability, this paper not only furnishes a robust technical foundation but also introduces a fresh perspective toward the secure and efficient advancement and exploitation of this advanced energy source.
• Abstract（参考訳）: 産業4.0の出現により、産業コンテキストにおける人工知能(ai)手法の導入が進み、インテリジェントな製造、運用、保守、あるいは産業インテリジェンス(industrial intelligence)の実現を目指している。 しかし、特にエネルギー探査と生産に関する複雑な産業用ミリオスは、ロングテールのクラス分布、サンプルの不均衡、ドメインシフトを特徴とするデータをしばしば包含する。 これらの属性は、産業インテリジェンスの実現に不可欠であるデータ中心のディープラーニング(DL)技術に注目すべき課題である。 本研究は,原子力発電(npg)の複雑かつ独特な産業シナリオに焦点をあて,有限データサンプルの制約下でのdl技術の適用を細心の注意を払って検討する。 当初この論文は、NPGの全ライフサイクルにわたるAIの潜在的な雇用シナリオについて解説した。 その後, 有限標本の観点から, DLの進展を定量的に検討した。 これは、小サンプル学習、少数ショット学習、ゼロショット学習、オープンセット認識などの側面を含み、NPGのユニークなデータ特性にも言及している。 論文はその後、2つの特定のケーススタディを提示します。 第1はジルコニウム合金メタログラフィーの自動認識、第2は機械センサの信号診断のためのオープンセット認識に関するものである。 NPGのライフサイクル全体にわたるこれらのケースには、建設的な成果と洞察に富んだ検討が伴う。 有限サンプル可用性の制約の中でdl方法論を探求し適用することで、堅牢な技術的基盤を提供するだけでなく、この高度エネルギー源の安全かつ効率的な発展と活用に向けた新たな視点も導入する。

関連論文リスト

• Artificial Intelligence Approaches for Predictive Maintenance in the Steel Industry: A Survey [9.088208602104105]
  予測保守(PdM)は産業4.0の柱の一つとして登場した。 この調査は、鉄鋼業界におけるAIベースのPdM分野における知識の現状を総合するものである。
  論文  参考訳（メタデータ） (2024-05-21T13:32:46Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Time-Series Pattern Recognition in Smart Manufacturing Systems: A Literature Review and Ontology [3.5097082077065003]
  本稿では,製造における時系列パターン認識の現状について,構造化された視点を提供する。 それは、実用的で実用的なガイドラインと、時系列分析の進歩のための推奨を提供することを目的としている。
  論文  参考訳（メタデータ） (2023-01-29T17:18:59Z)
• Deep Industrial Image Anomaly Detection: A Survey [85.44223757234671]
  近年の深層学習の急速な発展は,産業用画像異常検出(IAD)のマイルストーンとなった 本稿では,ディープラーニングによる画像異常検出手法の総合的なレビューを行う。 画像異常検出のオープニング課題をいくつか取り上げる。
  論文  参考訳（メタデータ） (2023-01-27T03:18:09Z)
• Generating Hidden Markov Models from Process Models Through Nonnegative Tensor Factorization [0.0]
  我々は,理論的プロセスモデルと関連する最小隠れマルコフモデルを統合する,数学的に新しい手法を提案する。 提案手法は, (a) 理論的プロセスモデル, (b) HMM, (c) 結合非負行列テンソル因子分解, (d) カスタムモデル選択を集約する。
  論文  参考訳（メタデータ） (2022-10-03T16:19:27Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets [83.749895930242]
  そこで本研究では,高品質な自然主義的合成隠蔽顔を製造するための2つの手法を提案する。 両手法の有効性とロバスト性を実証的に示す。 我々は,RealOccとRealOcc-Wildという,微細なアノテーションを付加した高精細な実世界の顔データセットを2つ提示する。
  論文  参考訳（メタデータ） (2022-05-12T17:03:57Z)
• Evidentiality-guided Generation for Knowledge-Intensive NLP Tasks [59.761411682238645]
  Retrieval-augmented Generation Modelは、多くの知識集約型NLPタスクにまたがって最先端のパフォーマンスを示している。 生成器の訓練に、パスが出力をサポートするための正しい証拠を含むか否かに関わらず、パスの明快さを組み込む方法を導入する。
  論文  参考訳（メタデータ） (2021-12-16T08:18:47Z)
• Federated Learning for Industrial Internet of Things in Future Industries [106.13524161081355]
  産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。 近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。 フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
  論文  参考訳（メタデータ） (2021-05-31T01:02:59Z)
• Explainable Artificial Intelligence Based Fault Diagnosis and Insight Harvesting for Steel Plates Manufacturing [0.0]
  本研究は,高精度分類器の開発におけるデータサイエンスのプロセスに対するXAIに基づく洞察を取り入れた方法論について報告する。 Ceteris Peribusプロファイル、Partial Dependenceプロファイル、Breakdownプロファイルが取得されている。 すべての洞察を単一のアンサンブル分類器に組み込んだ10倍のクロス検証性能が94%で達成された。
  論文  参考訳（メタデータ） (2020-08-10T23:04:21Z)

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。