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

• arxiv url: http://arxiv.org/abs/2312.02867v3
• Date: Fri, 08 Nov 2024 13:55:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 14:52:10.213207
• 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: Gaëtan Frusque, Ismail Nejjar, Majid Nabavi, Olga Fink,
• Abstract要約: 健康指数(HI)は、システムの健康を評価するために重要であり、異常検出や安全クリティカルシステムに対する有用寿命(RUL)の予測といったタスクに重要である。 本研究では,Deep Semi-supervised Anomaly Detection (DeepSAD) を組み込んで,システムの健康状態に関連する特徴の抽出に挑戦する。 また, 等方性制約を持つ交互投影アルゴリズムを適用し, 埋め込みを正規化HIに変換する手法を提案する。
• 参考スコア（独自算出の注目度）: 7.387226437589184
• License:
• Abstract: The Health Index (HI) is crucial for evaluating system health and is important for tasks like anomaly detection and Remaining Useful Life (RUL) prediction of safety-critical systems. Real-time, meticulous monitoring of system conditions is essential, especially in manufacturing high-quality and safety-critical components such as spray coatings. However, acquiring accurate health status information (HI labels) in real scenarios can be difficult or costly because it requires continuous, precise measurements that fully capture the system's health. As a result, using datasets from systems run-to-failure, which provide limited HI labels only at the healthy and end-of-life phases, becomes a practical approach. We employ Deep Semi-supervised Anomaly Detection (DeepSAD) embeddings to tackle the challenge of extracting features associated with the system's health state. Additionally, we introduce a diversity loss to further enrich the DeepSAD embeddings. We also propose applying an alternating projection algorithm with isotonic constraints to transform the embedding into a normalized HI with an increasing trend. Validation on the PHME2010 milling dataset, a recognized benchmark with ground truth HIs, confirms the efficacy of our proposed HI estimations. Our methodology is further applied to monitor the wear states of thermal spray coatings using high-frequency voltage. These contributions facilitate more accessible and reliable HI estimation, particularly in scenarios where obtaining ground truth HI labels is impossible.
• Abstract（参考訳）: 健康指数(HI)は、システムの健康を評価するために重要であり、異常検出や安全クリティカルシステムに対する有用寿命(RUL)の予測といったタスクに重要である。 特にスプレーコーティングのような高品質で安全に重要な部品を製造するためには, システム状態のリアルタイム, 綿密なモニタリングが不可欠である。 しかしながら、実際のシナリオにおける正確な健康状態情報(HIラベル)の取得は、システムの健康状態を完全に把握する継続的かつ正確な測定を必要とするため、困難またはコストがかかる可能性がある。 その結果,健康期と終末期のみに限定的なHIラベルを提供するシステムから得られたデータセットを使用することが,現実的なアプローチとなる。 本研究では,Deep Semi-supervised Anomaly Detection (DeepSAD) を組み込んで,システムの健康状態に関連する特徴の抽出に挑戦する。 さらに,DeepSAD埋め込みをさらに強化するために多様性損失を導入する。 また, 等方性制約を持つ交互投影アルゴリズムを適用し, 埋め込みを正規化HIに変換する手法を提案する。 提案手法の有効性を確認するため,PHME2010ミリングデータセットの検証を行った。 さらに, 高周波を用いた溶射皮膜の摩耗状態のモニタリングに本手法を適用した。 これらの貢献により、よりアクセスしやすく信頼性の高いHI推定が可能となり、特に、基礎的真理HIラベルの取得が不可能なシナリオにおいてである。

関連論文リスト

• Federated Anomaly Detection for Early-Stage Diagnosis of Autism Spectrum Disorders using Serious Game Data [0.0]
  本研究では,AutoEncoder-based Machine Learning (ML) 手法を用いて,ASD検出のための新しい半教師付きアプローチを提案する。 この目的に特化して設計された真剣なゲームを通じて手作業で収集したデータを利用する。 ゲーミフィケーションされたアプリケーションによって収集されたセンシティブなデータは、プライバシー漏洩の影響を受けやすいため、フェデレートラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-10-25T23:00:12Z)
• 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)
• 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)
• Word-Sequence Entropy: Towards Uncertainty Estimation in Free-Form Medical Question Answering Applications and Beyond [63.969531254692725]
  不確実性推定は、安全クリティカルな人間とAIのインタラクションシステムの信頼性を確保する上で重要な役割を果たす。 本稿では,ワードシーケンスエントロピー(WSE, Word-Sequence Entropy)を提案する。 We show that WSE exhibits excellent performance on accurate uncertainty Measurement under two standard criteria for correctness evaluation。
  論文  参考訳（メタデータ） (2024-02-22T03:46:08Z)
• HypUC: Hyperfine Uncertainty Calibration with Gradient-boosted Corrections for Reliable Regression on Imbalanced Electrocardiograms [3.482894964998886]
  本稿では,医療時系列における不均衡確率回帰の枠組みであるHypUCを提案する。 HypUCは数百万の患者から収集された、多様で現実世界のECGデータセットで評価されている。
  論文  参考訳（メタデータ） (2023-11-23T06:17:31Z)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• 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)
• Machine vision for vial positioning detection toward the safe automation of material synthesis [0.4893345190925178]
  本稿では,新しい深層学習(DL)型物体検出器DenseSSDについて報告する。 DenseSSDは、空と溶液を充填したバイアルを含む複雑なデータセットに基づいて、平均平均精度(mAP)を95%以上達成した。 本研究は,DenseSSDが自動材料合成環境の安全性向上に有効であることを示す。
  論文  参考訳（メタデータ） (2022-06-15T03:19:25Z)
• 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)
• On the Practicality of Deterministic Epistemic Uncertainty [106.06571981780591]
  決定論的不確実性法(DUM)は,分布外データの検出において高い性能を達成する。 DUMが十分に校正されており、現実のアプリケーションにシームレスにスケールできるかどうかは不明だ。
  論文  参考訳（メタデータ） (2021-07-01T17:59:07Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。