論文の概要: Image-based Deep Learning for Smart Digital Twins: a Review
- arxiv url: http://arxiv.org/abs/2401.02523v1
- Date: Thu, 4 Jan 2024 20:17:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-08 16:36:53.459087
- Title: Image-based Deep Learning for Smart Digital Twins: a Review
- Title（参考訳）: スマートデジタル双生児のための画像ベースディープラーニング : レビュー
- Authors: Md Ruman Islam, Mahadevan Subramaniam, Pei-Chi Huang (Department of
Computer Science, University of Nebraska at Omaha, Omaha, NE, USA)
- Abstract要約: スマートデジタルツイン(SDT)は、複雑な物理的システムの振る舞いを仮想的に再現し、予測するためにますます利用されている。
ディープラーニング(DL)モデルは、SDTの機能を大幅に強化した。
本稿では,画像ベースSDTの開発における様々なアプローチと課題について論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Smart Digital twins (SDTs) are being increasingly used to virtually replicate
and predict the behaviors of complex physical systems through continual data
assimilation enabling the optimization of the performance of these systems by
controlling the actions of systems. Recently, deep learning (DL) models have
significantly enhanced the capabilities of SDTs, particularly for tasks such as
predictive maintenance, anomaly detection, and optimization. In many domains,
including medicine, engineering, and education, SDTs use image data
(image-based SDTs) to observe and learn system behaviors and control their
behaviors. This paper focuses on various approaches and associated challenges
in developing image-based SDTs by continually assimilating image data from
physical systems. The paper also discusses the challenges involved in designing
and implementing DL models for SDTs, including data acquisition, processing,
and interpretation. In addition, insights into the future directions and
opportunities for developing new image-based DL approaches to develop robust
SDTs are provided. This includes the potential for using generative models for
data augmentation, developing multi-modal DL models, and exploring the
integration of DL with other technologies, including 5G, edge computing, and
IoT. In this paper, we describe the image-based SDTs, which enable broader
adoption of the digital twin DT paradigms across a broad spectrum of areas and
the development of new methods to improve the abilities of SDTs in replicating,
predicting, and optimizing the behavior of complex systems.
- Abstract（参考訳）: スマートデジタルツイン(SDT)は、システムの動作を制御することで、これらのシステムの性能の最適化を可能にする連続データ同化を通じて、複雑な物理システムの振る舞いを仮想的に再現し、予測するために、ますます使われている。
近年、ディープラーニング(DL)モデルは、特に予測保守、異常検出、最適化といったタスクにおいて、SDTの機能を大幅に強化している。
医学、工学、教育を含む多くの分野において、sdtは画像データ(画像ベースのsdt)を使用してシステムの振る舞いを観察し学習し、行動を制御する。
本稿では,物理システムから画像データを継続的に同化することにより,画像ベースsdtの開発における様々なアプローチと課題について述べる。
また,データ取得,処理,解釈など,sdts用のdlモデルの設計と実装に関する課題についても論じた。
さらに、ロバストなsdtを開発するための新しいイメージベースのdlアプローチを開発するための今後の方向性と機会に関する洞察を提供する。
これには、データ拡張に生成モデルを使用する可能性、マルチモーダルDLモデルの開発、および5Gやエッジコンピューティング、IoTなど、他のテクノロジとのDL統合の探求が含まれている。
本稿では,様々な領域にまたがるデジタルツインDTパラダイムの広範な採用を可能にする画像ベースSDTについて述べるとともに,複雑なシステムの動作の複製,予測,最適化におけるSDTの能力向上のための新しい手法の開発について述べる。
関連論文リスト
- Deep learning-based Visual Measurement Extraction within an Adaptive Digital Twin Framework from Limited Data Using Transfer Learning [0.0]
Digital Twinsの技術は、モデルとシミュレーションをリアルタイムデータに統合することによって、科学的研究における意思決定に革命をもたらしている。
本研究は,人工知能を用いた新しいアプローチを提案する。
畳み込みニューラルネットワークを用いて、デジタル画像相関スペックルパターン画像と変形場とを関連づけることで、リアルタイムで構造挙動を解析する。
論文 参考訳（メタデータ） (2024-10-07T18:10:12Z) - 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により、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。
GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - Constructing and Evaluating Digital Twins: An Intelligent Framework for DT Development [11.40908718824589]
デジタルツインズ(DT)の開発は、制御されたデジタル空間における複雑なシステムをシミュレートし最適化するための変革的な進歩を表している。
本稿では,アルゴリズム性能試験におけるDTの精度と有用性を高めるために,DTの構築と評価のためのインテリジェントなフレームワークを提案する。
本稿では,Deep Learning-based policy gradient techniqueを統合してDTパラメータを動的に調整し,物理システムのデジタル複製における高い忠実性を確保する手法を提案する。
論文 参考訳（メタデータ） (2024-06-19T01:45:18Z) - MMA-DFER: MultiModal Adaptation of unimodal models for Dynamic Facial Expression Recognition in-the-wild [81.32127423981426]
実世界のアプリケーションでは,音声およびビデオデータに基づくマルチモーダル感情認識が重要である。
近年の手法は、強力なマルチモーダルエンコーダの事前学習に自己教師付き学習(SSL)の進歩を活用することに重点を置いている。
SSL-pre-trained disimodal encoders を用いて,この問題に対する異なる視点とマルチモーダル DFER の性能向上について検討する。
論文 参考訳（メタデータ） (2024-04-13T13:39:26Z) - Diffusion-Based Neural Network Weights Generation [80.89706112736353]
D2NWGは拡散に基づくニューラルネットワーク重み生成技術であり、転送学習のために高性能な重みを効率よく生成する。
本稿では,ニューラルネットワーク重み生成のための遅延拡散パラダイムを再放送するために,生成的ハイパー表現学習を拡張した。
我々のアプローチは大規模言語モデル(LLM)のような大規模アーキテクチャにスケーラブルであり、現在のパラメータ生成技術の限界を克服しています。
論文 参考訳（メタデータ） (2024-02-28T08:34:23Z) - StableLLaVA: Enhanced Visual Instruction Tuning with Synthesized
Image-Dialogue Data [129.92449761766025]
本稿では,視覚的インストラクションチューニングのための画像と対話を同期的に合成する新しいデータ収集手法を提案する。
このアプローチは生成モデルのパワーを活用し、ChatGPTとテキスト・ツー・イメージ生成モデルの能力とを結合する。
本研究は,各種データセットを対象とした総合的な実験を含む。
論文 参考訳（メタデータ） (2023-08-20T12:43:52Z) - Enabling Spatial Digital Twins: Technologies, Challenges, and Future
Research Directions [13.210510790794006]
デジタルツイン(Digital Twin, DT)は、物理オブジェクトやシステムの仮想レプリカであり、その動作と特性を監視し、分析し、最適化するために作成される。
空間デジタル双生児 (SDT) は、物理的実体の地理空間的側面を強調する特定のタイプのデジタル双生児である。
我々は,SDTを階層化して構築する際の空間技術について,初めて体系的に解析を行った。
論文 参考訳（メタデータ） (2023-06-11T06:28:44Z) - Systems for Parallel and Distributed Large-Model Deep Learning Training [7.106986689736828]
最近のTransformerモデルは、数十億の学習可能なパラメータにまたがっている。
これらの設計はDL空間に新たなスケール駆動システム課題をもたらした。
この調査では、大規模なモデルトレーニングシステムの展望を探求し、主要な課題とそれに対応する様々なテクニックを強調します。
論文 参考訳（メタデータ） (2023-01-06T19:17:29Z) - Using Neural Networks by Modelling Semi-Active Shock Absorber [0.0]
絶え間なく増加する自動車制御システムには、デジタルマッピングに対する新しいアプローチが必要である。
ニューラルネットワーク(NN)を適用する様々な手法は、自動車制御系設計における関連するデジタルツイン(DT)ツールの候補となる。
本稿では, 半能動衝撃吸収器のモデリングにより, 回帰タスクを効率的に処理する方法を示す。
論文 参考訳（メタデータ） (2022-07-19T09:21:21Z) - Interpretable Hyperspectral AI: When Non-Convex Modeling meets
Hyperspectral Remote Sensing [57.52865154829273]
ハイパースペクトルイメージング、別名画像分光法は、地球科学リモートセンシング(RS)におけるランドマーク技術です。
過去10年間で、主に熟練した専門家によってこれらのハイパースペクトル(HS)製品を分析するための取り組みが行われています。
このため、さまざまなHS RSアプリケーションのためのよりインテリジェントで自動的なアプローチを開発することが急務です。
論文 参考訳（メタデータ） (2021-03-02T03:32:10Z) - Learning Deformable Image Registration from Optimization: Perspective,
Modules, Bilevel Training and Beyond [62.730497582218284]
マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。
我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
論文 参考訳（メタデータ） (2020-04-30T03:23:45Z)
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。