Fugu-MT 論文翻訳(概要): Continual Learning with Diffusion-based Generative Replay for Industrial Streaming Data

論文の概要: Continual Learning with Diffusion-based Generative Replay for Industrial Streaming Data

arxiv url: http://arxiv.org/abs/2406.15766v1
Date: Sat, 22 Jun 2024 07:02:25 GMT
ステータス: 処理完了
システム内更新日: 2024-06-25 20:35:12.371836
Title: Continual Learning with Diffusion-based Generative Replay for Industrial Streaming Data
Title（参考訳）: 産業ストリーミングデータに対する拡散型生成再生による連続学習
Authors: Jiayi He, Jiao Chen, Qianmiao Liu, Suyan Dai, Jianhua Tang, Dongpo Liu,
Abstract要約: 本稿では, 蒸留法に基づく自己指導(DSG)の継続的学習手法を提案する。 DSGは、新たな生成再生機構を通じて、産業ストリーミングデータによって提示される課題に対処する。 CWRU, DSA, WISDMデータセットの実験結果からDSGの有効性が示された。
参考スコア（独自算出の注目度）: 4.379595607199814
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The Industrial Internet of Things (IIoT) integrates interconnected sensors and devices to support industrial applications, but its dynamic environments pose challenges related to data drift. Considering the limited resources and the need to effectively adapt models to new data distributions, this paper introduces a Continual Learning (CL) approach, i.e., Distillation-based Self-Guidance (DSG), to address challenges presented by industrial streaming data via a novel generative replay mechanism. DSG utilizes knowledge distillation to transfer knowledge from the previous diffusion-based generator to the updated one, improving both the stability of the generator and the quality of reproduced data, thereby enhancing the mitigation of catastrophic forgetting. Experimental results on CWRU, DSA, and WISDM datasets demonstrate the effectiveness of DSG. DSG outperforms the state-of-the-art baseline in accuracy, demonstrating improvements ranging from 2.9% to 5.0% on key datasets, showcasing its potential for practical industrial applications.
Abstract（参考訳）: 産業用モノのインターネット(Industrial Internet of Things, IIoT)は、相互接続されたセンサーとデバイスを統合して産業アプリケーションをサポートするが、その動的環境はデータドリフトに関連する課題を引き起こす。本稿では,資源が限られており,新たなデータ配信にモデルを効果的に適用する必要があることを考慮し,新たな生成再生機構を通じて産業ストリーミングデータによってもたらされる課題に対処する継続学習(CL)アプローチ(Distillation-based Self-Guidance:DSG)を提案する。 DSGは、知識蒸留を利用して、前回の拡散ベースジェネレータから更新したジェネレータへの知識伝達を行い、ジェネレータの安定性と再生データの品質の両方を改善し、破滅的な忘れの軽減を図る。 CWRU, DSA, WISDMデータセットの実験結果からDSGの有効性が示された。 DSGは最先端のベースラインを精度で上回り、主要なデータセットの2.9%から5.0%の改善を示す。

関連論文リスト

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で、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。産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文参考訳（メタデータ） (2024-08-02T10:47:10Z)
Enhancing Network Intrusion Detection Performance using Generative Adversarial Networks [0.25163931116642785]
GAN(Generative Adversarial Networks)の統合によるNIDSの性能向上のための新しいアプローチを提案する。 GANは、現実世界のネットワークの振る舞いを忠実に模倣する合成ネットワークトラフィックデータを生成する。 NIDSへのGANの統合は,訓練データに制限のある攻撃に対する侵入検知性能の向上につながる可能性が示唆された。
論文参考訳（メタデータ） (2024-04-11T04:01:15Z)
Generative adversarial networks for data-scarce spectral applications [0.0]
合成スペクトルデータ生成分野におけるGANの応用について報告する。 CWGANは,低データ方式の性能向上を図り,サロゲートモデルとして機能することを示す。
論文参考訳（メタデータ） (2023-07-14T16:27:24Z)
Attention-stacked Generative Adversarial Network (AS-GAN)-empowered Sensor Data Augmentation for Online Monitoring of Manufacturing System [6.635444871363967]
本稿では,製造システムにおけるオンライン監視のセンサデータ拡張のための注意喚起型GAN(AS-GAN)アーキテクチャを提案する。 GANのジェネレータを強化し、シーケンシャルな情報をキャプチャする新しいアテンションスタックフレームワークが組み込まれている。
論文参考訳（メタデータ） (2023-06-09T21:35:34Z)
Confidence Attention and Generalization Enhanced Distillation for Continuous Video Domain Adaptation [62.458968086881555]
連続ビデオドメイン適応(CVDA、Continuous Video Domain Adaptation)は、ソースモデルが個々の変更対象ドメインに適応する必要があるシナリオである。 CVDAの課題に対処するため,遺伝子組み換え型自己知識解離(CART)を用いた信頼性保証ネットワークを提案する。
論文参考訳（メタデータ） (2023-03-18T16:40:10Z)
HFedMS: Heterogeneous Federated Learning with Memorable Data Semantics in Industrial Metaverse [49.1501082763252]
本稿では,新しい産業メタバースに実用FLを取り入れたHFEDMSを提案する。動的グルーピングとトレーニングモード変換によってデータの均一性を低下させる。そして、圧縮された履歴データセマンティクスを融合することで、忘れられた知識を補う。ストリームされた非I.d.FEMNISTデータセットに対して,368個のシミュレーションデバイスを用いて実験を行った。
論文参考訳（メタデータ） (2022-11-07T04:33:24Z)
Improving GANs with A Dynamic Discriminator [106.54552336711997]
我々は、オンザフライで調整可能な判別器は、そのような時間変化に適応できると論じる。総合的な実証研究により、提案したトレーニング戦略がDynamicDと呼ばれ、追加のコストやトレーニング目標を発生させることなく、合成性能を向上させることが確認された。
論文参考訳（メタデータ） (2022-09-20T17:57:33Z)
Augmentation-Aware Self-Supervision for Data-Efficient GAN Training [68.81471633374393]
識別器が過度に適合する傾向があるため、限られたデータでGANを訓練することは困難である。本稿では,拡張データの拡張パラメータを予測する,拡張型自己教師型識別器を提案する。本稿では,クラス条件の BigGAN と非条件の StyleGAN2 アーキテクチャを用いた State-of-the-art (SOTA) 手法と比較する。
論文参考訳（メタデータ） (2022-05-31T10:35:55Z)
Federated Learning with Correlated Data: Taming the Tail for Age-Optimal Industrial IoT [55.62157530259969]
本稿では,ピークAoI要求に基づくセンサの送信電力最小化と待ち時間に対する確率的制約について検討する。本稿では,センサのトレーニングデータ間の相関を考慮した局所モデル選択手法を提案する。数値計算の結果,送信電力,ピークAoI,遅延尾部分布のトレードオフが示された。
論文参考訳（メタデータ） (2021-08-17T08:38:31Z)
Autonomous Deep Quality Monitoring in Streaming Environments [18.354025162625557]
本稿では,最近開発されたデータストリームのためのディープラーニングアルゴリズムであるNADINE++を用いて,オンライン品質モニタリング手法を提案する。これは1次元と2次元の畳み込み層を統合し、我々のプロジェクトからセンサーや射出成形機のカメラから捉えた時系列と視覚データの流れの自然な特徴を抽出する。実時間実験では, オンライン品質モニタリングタスクを, 実時間テスト-then-train方式でリアルタイムでシミュレートした。
論文参考訳（メタデータ） (2021-06-26T06:47:41Z)
Efficient Ring-topology Decentralized Federated Learning with Deep Generative Models for Industrial Artificial Intelligent [13.982904025739606]
深層生成モデル(dgms)のためのリングトポジ型分散連体学習方式を提案する。我々のRDFLスキームは通信効率を向上し、目標IIoTタスクにおけるDGMを向上するための訓練性能を維持する。さらに、通信効率とFLセキュリティをさらに向上するため、IPFS(InterPlanetary File System)を導入している。
論文参考訳（メタデータ） (2021-04-15T08:09:54Z)

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。