Fugu-MT 論文翻訳(概要): Deep Learning Approach for Enhanced Transferability and Learning Capacity in Tool Wear Estimation

論文の概要: Deep Learning Approach for Enhanced Transferability and Learning Capacity in Tool Wear Estimation

arxiv url: http://arxiv.org/abs/2407.01200v1
Date: Mon, 1 Jul 2024 11:49:10 GMT
ステータス: 処理完了
システム内更新日: 2024-07-03 21:49:58.230428
Title: Deep Learning Approach for Enhanced Transferability and Learning Capacity in Tool Wear Estimation
Title（参考訳）: 工具摩耗推定における伝達性向上と学習能力向上のためのディープラーニングアプローチ
Authors: Zongshuo Li, Markus Meurer, Thomas Bergs,
Abstract要約: 切断パラメータを考慮した工具摩耗推定のための深層学習手法を提案する。提案手法は,伝達性と学習能力の両面で従来の手法より優れていることを示す。
参考スコア（独自算出の注目度）: 0.18206461789819073
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: As an integral part of contemporary manufacturing, monitoring systems obtain valuable information during machining to oversee the condition of both the process and the machine. Recently, diverse algorithms have been employed to detect tool wear using single or multiple sources of measurements. In this study, a deep learning approach is proposed for estimating tool wear, considering cutting parameters. The model's accuracy and transferability in tool wear estimation were assessed with milling experiments conducted under varying cutting parameters. The results indicate that the proposed method outperforms conventional methods in terms of both transferability and rapid learning capabilities.
Abstract（参考訳）: 現代の製造の不可欠な部分として、監視システムは加工中に貴重な情報を取得し、プロセスとマシンの両方の状態を監督する。近年,多種多様なアルゴリズムを用いて,単一または複数の測定源を用いた工具摩耗の検出を行っている。本研究では,切断パラメータを考慮した工具摩耗推定のための深層学習手法を提案する。工具摩耗推定におけるモデルの精度と伝達性は, 異なる切削条件下でミリング実験により評価した。提案手法は,伝達性と学習能力の両面で従来の手法より優れていることを示す。

関連論文リスト

Deep Learning Based Tool Wear Estimation Considering Cutting Conditions [0.18206461789819073]
モデル入力として切断条件を組み込んだ畳み込みニューラルネットワークに基づく深層学習手法を提案する。我々は,ツール摩耗推定精度と,新しい固定あるいは可変切断パラメータへの伝達性の観点から,モデルの性能を評価する。
論文参考訳（メタデータ） (2024-07-01T11:48:33Z)
Supervised Time Series Classification for Anomaly Detection in Subsea Engineering [0.0]
IntactとBrokenの2つの状態を持つ物理システムに基づくシミュレーションデータに対する教師付き機械学習分類アルゴリズムの使用について検討する。本稿では,時間データの事前処理について,統計的分散と次元縮小の手法を用いて包括的な議論を行う。本稿では,さまざまなパフォーマンス指標に基づく各種手法の比較を行い,機械学習を意思決定のツールとして活用することの利点を示す。
論文参考訳（メタデータ） (2024-03-12T18:25:10Z)
Making informed decisions in cutting tool maintenance in milling: A KNN based model agnostic approach [0.0]
そこで本研究では,KNNをベースとしたホワイトボックスモデルを提案する。このアプローチは、ツールが特定の状態にある理由を検出するのに役立つ。
論文参考訳（メタデータ） (2023-10-23T07:02:30Z)
Matched Machine Learning: A Generalized Framework for Treatment Effect Inference With Learned Metrics [87.05961347040237]
我々は、機械学習ブラックボックスの柔軟性とマッチングの解釈可能性を組み合わせたフレームワークであるMatched Machine Learningを紹介する。我々のフレームワークは機械学習を用いて、一致した単位を学習し、結果を推定する最適な指標を学習する。一致機械学習のインスタンスはブラックボックスの機械学習手法と同等に動作し、類似した問題に対する既存のマッチング手法よりも優れていることを実証的に示す。
論文参考訳（メタデータ） (2023-04-03T19:32:30Z)
Weighted Ensemble Self-Supervised Learning [67.24482854208783]
組み立ては、モデルパフォーマンスを高めるための強力なテクニックであることが証明されている。我々は,データ依存型重み付きクロスエントロピー損失を許容するフレームワークを開発した。提案手法は、ImageNet-1K上での複数の評価指標において、両者に優れる。
論文参考訳（メタデータ） (2022-11-18T02:00:17Z)
Self-supervised Transformer for Deepfake Detection [112.81127845409002]
現実世界のシナリオにおけるディープフェイク技術は、顔偽造検知器のより強力な一般化能力を必要とする。転送学習に触発されて、他の大規模な顔関連タスクで事前訓練されたニューラルネットワークは、ディープフェイク検出に有用な機能を提供する可能性がある。本稿では,自己教師型変換器を用いた音声視覚コントラスト学習手法を提案する。
論文参考訳（メタデータ） (2022-03-02T17:44:40Z)
Capturing and incorporating expert knowledge into machine learning models for quality prediction in manufacturing [0.0]
本研究では,小規模データセットを用いた機械学習手法を用いて品質予測モデルを構築するための一般的な手法を提案する。提案手法は,プロセススペシャリストが規定するすべての専門知識に厳密に準拠する予測モデルを生成する。
論文参考訳（メタデータ） (2022-02-04T07:22:29Z)
Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文参考訳（メタデータ） (2021-11-09T13:30:34Z)
Predictive machine learning for prescriptive applications: a coupled training-validating approach [77.34726150561087]
規範的応用のための予測機械学習モデルをトレーニングするための新しい手法を提案する。このアプローチは、標準的なトレーニング検証テストスキームの検証ステップを微調整することに基づいている。合成データを用いたいくつかの実験は、決定論的モデルと実モデルの両方において処方料コストを削減できる有望な結果を示した。
論文参考訳（メタデータ） (2021-10-22T15:03:20Z)
Automated Deepfake Detection [19.17617301462919]
本稿では,Deepfake検出のためのアーキテクチャを自動検索する機械学習を提案する。提案手法が従来の非深度学習法より優れているだけでなく,予測精度が向上することが実験的に証明された。
論文参考訳（メタデータ） (2021-06-20T14:48:50Z)
Predictive modeling approaches in laser-based material processing [59.04160452043105]
本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
論文参考訳（メタデータ） (2020-06-13T17:28:52Z)

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。