論文の概要: Semi-Supervised Health Index Monitoring with Feature Generation and Fusion

• arxiv url: http://arxiv.org/abs/2312.02867v2
• Date: Fri, 16 Feb 2024 15:52:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-19 19:43:17.931378
• Title: Semi-Supervised Health Index Monitoring with Feature Generation and Fusion
• Title（参考訳）: 特徴生成と融合による半監督型健康指標モニタリング
• Authors: Ga\"etan Frusque, Ismail Nejjar, Majid Nabavi, Olga Fink
• Abstract要約: 我々はHealth Index (HI) 構築のためのDeep Semi-supervised Anomaly Detection (DeepSAD) 法を適用した。 我々は、等方性制約を持つ交互投影アルゴリズムを用いて、DeepSADの埋め込みを正規化HIに変換し、傾向を増大させる。 我々の貢献により、よりアクセシブルで信頼性の高いHI推定が可能となる。
• 参考スコア（独自算出の注目度）: 5.939858158928473
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The Health Index (HI) is crucial for evaluating system health, aiding tasks like anomaly detection and predicting remaining useful life for systems demanding high safety and reliability. Tight monitoring is crucial for achieving high precision at a lower cost. Obtaining HI labels in real-world applications is often cost-prohibitive, requiring continuous, precise health measurements. Therefore, it is more convenient to leverage run-to failure datasets that may provide potential indications of machine wear condition, making it necessary to apply semi-supervised tools for HI construction. In this study, we adapt the Deep Semi-supervised Anomaly Detection (DeepSAD) method for HI construction. We use the DeepSAD embedding as a condition indicators to address interpretability challenges and sensitivity to system-specific factors. Then, we introduce a diversity loss to enrich condition indicators. We employ an alternating projection algorithm with isotonic constraints to transform the DeepSAD embedding into a normalized HI with an increasing trend. Validation on the PHME 2010 milling dataset, a recognized benchmark with ground truth HIs demonstrates meaningful HIs estimations. Our contributions create opportunities for more accessible and reliable HI estimation, particularly in cases where obtaining ground truth HI labels is unfeasible.
• Abstract（参考訳）: 健康指数(HI)は、システムの健全性を評価し、異常検出などのタスクを支援し、高い安全性と信頼性を要求するシステムにとって有用な寿命を予測するために重要である。 高度監視は低コストで高精度を達成するために重要である。 HIラベルを現実世界のアプリケーションに保持することは、しばしばコストを抑え、継続的な正確な健康測定を必要とする。 したがって、機械摩耗の可能性を示唆する可能性のある実行時障害データセットを活用する方が便利であり、HI構築に半教師付きツールを適用する必要がある。 本研究では,Deep Semi-supervised Anomaly Detection (DeepSAD) 法をHI構築に適用する。 我々は、DeepSAD埋め込みを条件指標として、解釈可能性の問題とシステム固有の要因に対する感度に対処する。 次に,条件指標を豊かにするために多様性損失を導入する。 我々は、等方性制約を持つ交互投影アルゴリズムを用いて、DeepSAD埋め込みを正規化HIに変換する。 PHME 2010ミリングデータセットの検証では、基底真理HIsを用いた評価ベンチマークが有意義なHIs推定を示す。 我々の貢献により、よりアクセシブルで信頼性の高いHI推定が可能となる。

関連論文リスト

• FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
  心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。 機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。 本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
  論文  参考訳（メタデータ） (2024-10-28T02:24:01Z)
• Health Index Estimation Through Integration of General Knowledge with Unsupervised Learning [0.0]
  複雑なシステムにおいて、状態監視データ(CM)から正確な健康指標(HI)を推定することは、信頼性と解釈可能な予後および健康管理(PHM)に不可欠である。 本研究では,畳み込みオートエンコーダのモデルアーキテクチャと学習アルゴリズムに,劣化に関する一般的な知識を統合したHI推定のための教師なしハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2024-05-08T11:54:15Z)
• Quantifying spectral signatures of non-Markovianity beyond the Born-Redfield master equation [0.40964539027092917]
  オープン量子力学における記憶または時間非局所効果は、理論的および実践的な課題を引き起こす。 系の定常状態における非マルコビアン性の検出が可能な非マルコビアン性の分光測度を提案する。
  論文  参考訳（メタデータ） (2024-05-02T20:38:26Z)
• Condition Monitoring with Incomplete Data: An Integrated Variational Autoencoder and Distance Metric Framework [2.7898966850590625]
  本稿では,未確認データに対する故障検出と条件モニタリングのための新しい手法を提案する。 我々は変分オートエンコーダを用いて、以前に見られた新しい未知条件の確率分布をキャプチャする。 故障は、健康指標のしきい値を確立することで検出され、そのモデルが重大で見えない断層を高い精度で識別することができる。
  論文  参考訳（メタデータ） (2024-04-08T22:20:23Z)
• Data-Driven Distributionally Robust Safety Verification Using Barrier Certificates and Conditional Mean Embeddings [0.24578723416255752]
  問題を非現実的な仮定にシフトすることなく,スケーラブルな形式検証アルゴリズムを開発する。 問題を非現実的な仮定にシフトさせることなく,スケーラブルな形式検証アルゴリズムを開発するためには,バリア証明書の概念を用いる。 本稿では,2乗法最適化とガウス過程エンベロープを用いて効率よくプログラムを解く方法を示す。
  論文  参考訳（メタデータ） (2024-03-15T17:32:02Z)
• U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep Staging [61.6346401960268]
  プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。 不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
  論文  参考訳（メタデータ） (2023-06-07T08:27:36Z)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)
• Bayesian autoencoders with uncertainty quantification: Towards trustworthy anomaly detection [78.24964622317634]
  本研究では, ベイズオートエンコーダ (BAEs) の定式化により, 全体の異常不確かさを定量化する。 不確実性の質を評価するために,不確実性の予測を拒否するオプションを追加して,異常を分類する作業を検討する。 本実験は,BAEと総異常不確かさが,ベンチマークデータセットと製造用実データセットのセットに与える影響を実証するものである。
  論文  参考訳（メタデータ） (2022-02-25T12:20:04Z)
• Cloud Failure Prediction with Hierarchical Temporary Memory: An Empirical Assessment [64.73243241568555]
  Hierarchical Temporary Memory (HTM) は、新皮質の特徴にインスパイアされた教師なし学習アルゴリズムである。 本稿では,障害予測の文脈でHTMを評価する最初の体系的研究について述べる。
  論文  参考訳（メタデータ） (2021-10-06T07:09:45Z)
• Continuous Non-Invasive Eye Tracking In Intensive Care [31.348963275486494]
  デリリウムは急激な混乱状態であり、集中治療室でよく見られる。 現在の診断法にはいくつかの制限があり、眼球運動による視線追跡が提案されている。 このシステムは、ICUに配備された最初のアイトラッキングシステムである。
  論文  参考訳（メタデータ） (2021-07-23T16:19:35Z)
• Learning Hybrid Control Barrier Functions from Data [66.37785052099423]
  ハイブリッドシステムの安全な制御法則を得るための体系的なツールが欠如していることから,データから確実に安全な制御法則を学習するための最適化ベースのフレームワークを提案する。 特に、システムダイナミクスが知られており、安全なシステム動作を示すデータが利用可能であるような設定を仮定する。
  論文  参考訳（メタデータ） (2020-11-08T23:55:02Z)

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。