Fugu-MT 論文翻訳(概要): A method to benchmark high-dimensional process drift detection

論文の概要: A method to benchmark high-dimensional process drift detection

arxiv url: http://arxiv.org/abs/2409.03669v1
Date: Thu, 5 Sep 2024 16:23:07 GMT
ステータス: 処理完了
システム内更新日: 2024-09-06 19:53:43.184659
Title: A method to benchmark high-dimensional process drift detection
Title（参考訳）: 高次元プロセスドリフト検出のベンチマーク法
Authors: Edgar Wolf, Tobias Windisch,
Abstract要約: 本稿では,プロセス曲線のドリフトに対する機械学習手法について検討する。制御された方法でプロセス曲線を合成的に生成する理論的枠組みを導入する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Process curves are multi-variate finite time series data coming from manufacturing processes. This paper studies machine learning methods for drifts of process curves. A theoretic framework to synthetically generate process curves in a controlled way is introduced in order to benchmark machine learning algorithms for process drift detection. A evaluation score, called the temporal area under the curve, is introduced, which allows to quantify how well machine learning models unveil curves belonging to drift segments. Finally, a benchmark study comparing popular machine learning approaches on synthetic data generated with the introduced framework shown.
Abstract（参考訳）: プロセス曲線は製造プロセスから得られる多変量有限時系列データである。本稿では,プロセス曲線のドリフトに対する機械学習手法について検討する。プロセスドリフト検出のための機械学習アルゴリズムをベンチマークするために、制御された方法でプロセス曲線を合成的に生成する理論フレームワークを導入する。曲線の下の時間領域と呼ばれる評価スコアを導入し、機械学習モデルがドリフトセグメントに属する曲線をどれだけうまく提示するかを定量化する。最後に、導入したフレームワークで生成された合成データに対する一般的な機械学習アプローチを比較したベンチマーク研究を行った。

関連論文リスト

Safe Active Learning for Time-Series Modeling with Gaussian Processes [7.505622158856545]
時系列モデルの学習はシミュレーションや予測といった多くのアプリケーションに有用である。本研究では,安全制約を考慮した時系列モデルを積極的に学習する問題について考察する。提案手法は,入力空間を動的に探索することにより,時系列モデル学習に適したデータ,すなわち入力と出力の軌跡を生成する。
論文参考訳（メタデータ） (2024-02-09T09:40:33Z)
Stochastic Gradient Descent for Gaussian Processes Done Right [86.83678041846971]
emphdone right -- 最適化とカーネルコミュニティからの具体的な洞察を使用するという意味で -- が、勾配降下は非常に効果的であることを示している。本稿では,直感的に設計を記述し,設計選択について説明する。本手法は,分子結合親和性予測のための最先端グラフニューラルネットワークと同程度にガウス過程の回帰を配置する。
論文参考訳（メタデータ） (2023-10-31T16:15:13Z)
Grain and Grain Boundary Segmentation using Machine Learning with Real and Generated Datasets [0.0]
畳み込みニューラルネットワーク(CNN)を用いた粒界セグメンテーションランダムな合成ノイズと模擬欠陥を併用したボロノイ焼成パターンを開発し, 新規な造粒法を開発した。
論文参考訳（メタデータ） (2023-07-12T04:38:44Z)
Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文参考訳（メタデータ） (2023-05-31T03:48:49Z)
Minimizing Trajectory Curvature of ODE-based Generative Models [45.89620603363946]
拡散モデル、整流モデル、流れマッチングなどの最近の生成モデルは、生成過程を固定前進過程の時間反転として定義する。我々は, ODE/SDEシミュレーションを使わずに生成軌道の曲率を最小化するために, 前進過程を効率的に訓練する方法を提案する。
論文参考訳（メタデータ） (2023-01-27T21:52:03Z)
Adaptive Learning Rate and Momentum for Training Deep Neural Networks [0.0]
本研究では,非線形共役勾配(CG)フレームワークによる高速トレーニング手法を開発した。画像分類データセットの実験により,本手法は他の局所解法よりも高速な収束が得られることが示された。
論文参考訳（メタデータ） (2021-06-22T05:06:56Z)
On Contrastive Representations of Stochastic Processes [53.21653429290478]
プロセスの表現を学習することは、機械学習の新たな問題である。本手法は,周期関数,3次元オブジェクト,動的プロセスの表現の学習に有効であることを示す。
論文参考訳（メタデータ） (2021-06-18T11:00:24Z)
Distilling Interpretable Models into Human-Readable Code [71.11328360614479]
人間可読性は機械学習モデル解釈可能性にとって重要で望ましい標準である。従来の方法を用いて解釈可能なモデルを訓練し,それを簡潔で可読なコードに抽出する。本稿では,幅広いユースケースで効率的に,確実に高品質な結果を生成する分別線形曲線フィッティングアルゴリズムについて述べる。
論文参考訳（メタデータ） (2021-01-21T01:46:36Z)
Intraoperative Liver Surface Completion with Graph Convolutional VAE [10.515163959186964]
我々は、データセットの限られたサイズを補うために、周波数領域の形状をランダムに摂動する新しいデータ拡張手法を導入する。本手法のコアは変分オートエンコーダ (VAE) で, 肝臓の完全な形状を学習するための潜伏空間を訓練する。この最適化の効果は、初期生成した形状の進行非剛性変形である。
論文参考訳（メタデータ） (2020-09-08T17:19:31Z)
Process Discovery for Structured Program Synthesis [70.29027202357385]
プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
論文参考訳（メタデータ） (2020-08-13T10:33:10Z)
Learning to predict metal deformations in hot-rolling processes [59.00006390882099]
ホットローリング(Hot-rolling)は、入力から一連の変形を通じて断面を生成する金属成形プロセスである。現状では、ロールの回転列と形状は、与えられた断面を達成するために必要である。そこで本研究では,一組のロールが与えられた形状を予測するための教師付き学習手法を提案する。
論文参考訳（メタデータ） (2020-07-22T13:33:44Z)

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。