論文の概要: Intelligent Optimization and Machine Learning Algorithms for Structural
Anomaly Detection using Seismic Signals
- arxiv url: http://arxiv.org/abs/2401.10355v1
- Date: Thu, 18 Jan 2024 19:48:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 17:43:28.748009
- Title: Intelligent Optimization and Machine Learning Algorithms for Structural
Anomaly Detection using Seismic Signals
- Title(参考訳): 地震信号を用いた構造異常検出のためのインテリジェント最適化と機械学習アルゴリズム
- Authors: Maximilian Trapp and Can Bogoclu and Tamara Nestorovi\'c and Dirk Roos
- Abstract要約: メカニカルトンネリング中の異常検出方法の欠如は、掘削時間に金銭的損失と損失をもたらす可能性がある。
現場掘削ではトンネル掘削機の損傷を回避し, 伝播速度の調整を行うため, 掘削前に硬い障害物を認識する必要がある。
構造異常検出の効率は、インテリジェントな最適化技術と機械学習によって向上することができる。
- 参考スコア(独自算出の注目度): 0.9285295512807729
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The lack of anomaly detection methods during mechanized tunnelling can cause
financial loss and deficits in drilling time. On-site excavation requires hard
obstacles to be recognized prior to drilling in order to avoid damaging the
tunnel boring machine and to adjust the propagation velocity. The efficiency of
the structural anomaly detection can be increased with intelligent optimization
techniques and machine learning. In this research, the anomaly in a simple
structure is detected by comparing the experimental measurements of the
structural vibrations with numerical simulations using parameter estimation
methods.
- Abstract(参考訳): メカニカルトンネリング中の異常検出方法の欠如は、掘削時間に金銭的損失と損失をもたらす可能性がある。
現場掘削ではトンネル掘削機の損傷を回避し, 伝播速度を調節するため, 掘削前にハード障害物を認識する必要がある。
構造異常検出の効率は、インテリジェントな最適化技術と機械学習によって向上することができる。
本研究では, 構造振動の実験的測定とパラメータ推定法による数値シミュレーションを比較することで, 簡単な構造の異常を検出する。
関連論文リスト
- Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳(メタデータ) (2023-06-03T06:19:20Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳(メタデータ) (2022-09-23T06:09:35Z) - Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。
シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文 参考訳(メタデータ) (2022-03-25T19:57:19Z) - Uncertainty aware anomaly detection to predict errant beam pulses in the
SNS accelerator [47.187609203210705]
本稿では、不確実性を考慮した機械学習手法、シームズニューラルネットワークモデルの適用について述べる。
接近する故障を予測することで、損傷が起こる前に加速器を止めることができる。
論文 参考訳(メタデータ) (2021-10-22T18:37:22Z) - FastAno: Fast Anomaly Detection via Spatio-temporal Patch Transformation [6.112591965159383]
本研究では,空間回転変換 (SRT) と時間混合変換 (TMT) を提案し,通常のフレームキューブ内で不規則なパッチキューブを生成する。
提案手法は,3つの異常検出ベンチマークで評価され,競争精度が向上し,それまでのすべての作業を速度的に上回っている。
論文 参考訳(メタデータ) (2021-06-16T08:14:31Z) - A Survey on Anomaly Detection for Technical Systems using LSTM Networks [0.0]
異常は、意図されたシステムの動作から逸脱し、部分的または完全なシステム障害と同様に効率が低下する可能性がある。
本稿では,ディープニューラルネットワーク,特に長期記憶ネットワークを用いた最先端異常検出に関する調査を行う。
調査したアプローチは、アプリケーションシナリオ、データ、異常タイプ、およびさらなるメトリクスに基づいて評価される。
論文 参考訳(メタデータ) (2021-05-28T13:24:40Z) - Neuroscience-Inspired Algorithms for the Predictive Maintenance of
Manufacturing Systems [0.24999074238880484]
階層型時間記憶(HTM)を用いた予測保守のためのオンラインリアルタイム異常検出手法を提案する。
ヒトの新皮質に触発されて、htmは継続的に学習し、適応し、雑音に頑健である。
このアプローチは平均スコア64.71に達し、最先端のディープラーニング(49.38)と統計的手法(61.06)を上回っている。
論文 参考訳(メタデータ) (2021-02-23T01:31:09Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳(メタデータ) (2020-08-05T19:29:35Z) - AutoOD: Automated Outlier Detection via Curiosity-guided Search and
Self-imitation Learning [72.99415402575886]
外乱検出は重要なデータマイニングの課題であり、多くの実用的応用がある。
本稿では,最適なニューラルネットワークモデルを探すことを目的とした自動外乱検出フレームワークであるAutoODを提案する。
さまざまな実世界のベンチマークデータセットに対する実験結果から、AutoODが特定したディープモデルが最高のパフォーマンスを達成することが示された。
論文 参考訳(メタデータ) (2020-06-19T18:57:51Z) - Deep learning for brake squeal: vibration detection, characterization
and prediction [2.20200533591633]
本稿では, 摩擦ブレーキ系振動と騒音発生機構について, より深い知見を得るため, データ集中振動試験の取扱い方について報告する。
典型的な摩擦ノイズ記録のいくつかのクラスを識別するために、深層学習ブレーキスクイール検出器を開発した。
繰り返しニューラルネットワークを用いて、オペレーティングブレーキシステムの動的安定性を決定するパラメトリックパターンを学習する。
論文 参考訳(メタデータ) (2020-01-02T15:54:20Z)
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。