論文の概要: Intelligent Algorithms For Signature Diagnostics Of Three-Phase Motors

• arxiv url: http://arxiv.org/abs/2411.08582v1
• Date: Wed, 13 Nov 2024 13:01:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-14 16:11:46.003717
• Title: Intelligent Algorithms For Signature Diagnostics Of Three-Phase Motors
• Title（参考訳）: 3相モータの信号診断のためのインテリジェントアルゴリズム
• Authors: Stepan Svirin, Artem Ryzhikov, Saraa Ali, Denis Derkach,
• Abstract要約: 3相エンジンのインテリジェント診断における機械学習(ML)アルゴリズムの適用は、診断性能と精度を大幅に向上させる可能性がある。 従来の手法は主にシグネチャ解析に依存しており、標準的なプラクティスであるにもかかわらず、高度なML技術の統合の恩恵を受けることができる。 本研究では,技術アルゴリズムの状態と新しい教師なし異常発生手法を組み合わせることで,新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.5249805590164903
• License:
• Abstract: The application of machine learning (ML) algorithms in the intelligent diagnosis of three-phase engines has the potential to significantly enhance diagnostic performance and accuracy. Traditional methods largely rely on signature analysis, which, despite being a standard practice, can benefit from the integration of advanced ML techniques. In our study, we innovate by combining state of the art algorithms with a novel unsupervised anomaly generation methodology that takes into account physics model of the engine. This hybrid approach leverages the strengths of both supervised ML and unsupervised signature analysis, achieving superior diagnostic accuracy and reliability along with a wide industrial application. Our experimental results demonstrate that this method significantly outperforms existing ML and non-ML state-of-the-art approaches while retaining the practical advantages of an unsupervised methodology. The findings highlight the potential of our approach to significantly contribute to the field of engine diagnostics, offering a robust and efficient solution for real-world applications.
• Abstract（参考訳）: 3相エンジンのインテリジェント診断における機械学習(ML)アルゴリズムの適用は、診断性能と精度を大幅に向上させる可能性がある。 従来の手法は主にシグネチャ解析に依存しており、標準的なプラクティスであるにもかかわらず、高度なML技術の統合の恩恵を受けることができる。 本研究では,エンジンの物理モデルを考慮した,最先端のアルゴリズムと教師なしの異常発生手法を組み合わせることで,新しい手法を提案する。 このハイブリッドアプローチは、教師付きMLと教師なしシグネチャ解析の両方の長所を活用し、幅広い産業応用とともに、より優れた診断精度と信頼性を実現する。 実験により,この手法は,教師なし手法の実用的優位性を保ちながら,既存のMLおよび非MLのアプローチを著しく上回ることを示した。 この結果は,エンジン診断分野に大きく貢献するアプローチの可能性を強調し,実世界のアプリケーションに対して堅牢で効率的なソリューションを提供する。

関連論文リスト

• Enhancing Cluster Resilience: LLM-agent Based Autonomous Intelligent Cluster Diagnosis System and Evaluation Framework [8.314083357084389]
  大規模言語モデル(LLM)とその関連技術は、自律的なインテリジェントシステムの構築を可能にしている。 我々は,AIクラスタ内の問題を自律的に診断し,解決するLLMエージェントシステムを開発した。
  論文  参考訳（メタデータ） (2024-11-08T06:12:56Z)
• Consultation on Industrial Machine Faults with Large language Models [0.0]
  本稿では,Large Language Models (LLMs) を用いて故障診断精度を向上させる手法を提案する。 実験の結果,本手法はベースラインモデルよりも優れ,精度は91%であった。
  論文  参考訳（メタデータ） (2024-10-04T08:22:16Z)
• Enhanced Deep Learning Methodologies and MRI Selection Techniques for Dementia Diagnosis in the Elderly Population [5.103059984821972]
  3次元脳磁気共鳴画像(MRI)による認知症・非認知症高齢者の分類法を提案する。 提案手法は,MRIスライスを選択的に処理し,最も関連性の高い脳領域に着目し,少ない情報領域を除外するユニークな手法である。 この方法論は、3つのカスタムディープラーニングモデルからなる信頼に基づく分類委員会によって補完される。
  論文  参考訳（メタデータ） (2024-07-24T14:48:40Z)
• PETScML: Second-order solvers for training regression problems in Scientific Machine Learning [0.22499166814992438]
  近年、分析のためのデータ駆動ツールとして、科学機械学習の出現を目撃している。 我々は、ディープラーニングソフトウェアと従来の機械学習技術とのギャップを埋めるために、Portable and Extensible Toolkit for Scientific計算上に構築されたソフトウェアを紹介します。
  論文  参考訳（メタデータ） (2024-03-18T18:59:42Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• The Significance of Machine Learning in Clinical Disease Diagnosis: A Review [0.0]
  本研究では、時系列医療指標における心拍データの伝達を改善するための機械学習アルゴリズムの能力について検討する。 検討中の要因は、アルゴリズムの利用、対象とする疾患の種類、採用されるデータの種類、応用、評価指標などである。
  論文  参考訳（メタデータ） (2023-10-25T20:28:22Z)
• On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
  我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。 まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
  論文  参考訳（メタデータ） (2023-02-05T01:39:21Z)
• Deep learning applied to computational mechanics: A comprehensive review, state of the art, and the classics [77.34726150561087]
  人工知能,特に深層学習(DL)の最近の進歩を概観する。 ハイブリッドおよび純粋機械学習(ML)の手法について論じる。 AIの歴史と限界は、特に古典の誤解や誤解を指摘し、議論され、議論される。
  論文  参考訳（メタデータ） (2022-12-18T02:03:00Z)
• Multi-objective hyperparameter optimization with performance uncertainty [62.997667081978825]
  本稿では,機械学習アルゴリズムの評価における不確実性を考慮した多目的ハイパーパラメータ最適化の結果について述べる。 木構造型Parzen Estimator(TPE)のサンプリング戦略と、ガウス過程回帰(GPR)と異種雑音の訓練後に得られたメタモデルを組み合わせる。 3つの解析的テスト関数と3つのML問題の実験結果は、多目的TPEとGPRよりも改善したことを示している。
  論文  参考訳（メタデータ） (2022-09-09T14:58:43Z)
• Practical Machine Learning Safety: A Survey and Primer [81.73857913779534]
  自動運転車のような安全クリティカルなアプリケーションにおける機械学習アルゴリズムのオープンワールド展開は、さまざまなML脆弱性に対処する必要がある。 一般化エラーを低減し、ドメイン適応を実現し、外乱例や敵攻撃を検出するための新しいモデルと訓練技術。 我々の組織は、MLアルゴリズムの信頼性を異なる側面から向上するために、最先端のML技術を安全戦略にマッピングする。
  論文  参考訳（メタデータ） (2021-06-09T05:56:42Z)
• Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
  機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。 私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。 当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
  論文  参考訳（メタデータ） (2021-01-11T15:54:48Z)

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。