論文の概要: Hierarchical Bidirectional Transition Dispersion Entropy-based Lempel-Ziv Complexity and Its Application in Fault-Bearing Diagnosis

• arxiv url: http://arxiv.org/abs/2412.11123v1
• Date: Sun, 15 Dec 2024 09:00:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:54:01.517236
• Title: Hierarchical Bidirectional Transition Dispersion Entropy-based Lempel-Ziv Complexity and Its Application in Fault-Bearing Diagnosis
• Title（参考訳）: 階層的二方向遷移分散エントロピーに基づくLempel-Ziv複雑度と故障診断への応用
• Authors: Runze Jiang, Pengjian Shang,
• Abstract要約: Lempel-Ziv complexity (LZC) は非線形時系列の不規則性や複雑性を検出する鍵となる尺度である。 Permutation Lempel-Ziv complexity (PLZC) や Dispersion-Entropy based Lempel-Ziv complexity (DELZC) といった既存のLZCベースのメトリクスは主に独立した埋め込みベクトルのパターンに焦点を当てている。 本稿では,二方向性遷移分散エントロピーをベースとしたLZC-Ziv複雑性(BT-DELZC)という新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 3.729242965449096
• License:
• Abstract: Lempel-Ziv complexity (LZC) is a key measure for detecting the irregularity and complexity of nonlinear time series and has seen various improvements in recent decades. However, existing LZC-based metrics, such as Permutation Lempel-Ziv complexity (PLZC) and Dispersion-Entropy based Lempel-Ziv complexity (DELZC), focus mainly on patterns of independent embedding vectors, often overlooking the transition patterns within the time series. To address this gap, this paper introduces a novel LZC-based method called Bidirectional Transition Dispersion Entropy-based Lempel-Ziv complexity (BT-DELZC). Leveraging Markov chain theory, this method integrates a bidirectional transition network framework with DELZC to better capture dynamic signal information. Additionally, an improved hierarchical decomposition algorithm is used to extract features from various frequency components of the time series. The proposed BT-DELZC method is first evaluated through four simulated experiments, demonstrating its robustness and effectiveness in characterizing nonlinear time series. Additionally, two fault-bearing diagnosis experiments are conducted by combining the hierarchical BT-DELZC method with various classifiers from the machine learning domain. The results indicate that BT-DELZC achieves the highest accuracy across both datasets, significantly outperforming existing methods such as LZC, PLZC, and DELZC in extracting features related to fault bearings.
• Abstract（参考訳）: Lempel-Ziv complexity (LZC) は非線形時系列の不規則性や複雑性を検出する鍵となる尺度であり、近年では様々な改善がなされている。 しかしながら、Permutation Lempel-Ziv complexity (PLZC) や Dispersion-Entropy based Lempel-Ziv complexity (DELZC) のような既存のLZCベースのメトリクスは、主に独立した埋め込みベクトルのパターンに焦点を当てており、しばしば時系列内の遷移パターンを見下ろしている。 そこで本研究では,両方向遷移分散エントロピーに基づくLempel-Ziv複雑性(BT-DELZC)という,LZCに基づく新しい手法を提案する。 この手法はマルコフ連鎖理論を利用して、双方向遷移ネットワークフレームワークをDELZCと統合し、動的信号情報をよりよく取得する。 さらに、改良された階層分解アルゴリズムを用いて、時系列の様々な周波数成分から特徴を抽出する。 BT-DELZC法は4つの模擬実験により評価され, 非線形時系列の特徴付けにおけるロバスト性と有効性を示した。 さらに,階層型BT-DELZC法と機械学習領域の様々な分類器を組み合わせた2つの故障診断実験を行った。 その結果, BT-DELZCは両データセット間で高い精度を達成でき, LZC, PLZC, DELZCなどの既存手法よりも, 断層軸受に関連する特徴を抽出できることがわかった。

関連論文リスト

• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
  拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。 本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
  論文  参考訳（メタデータ） (2024-05-18T15:59:41Z)
• Transformer-based Stagewise Decomposition for Large-Scale Multistage Stochastic Optimization [1.3124513975412255]
  本稿では,トランスフォーマーに基づく段階分解アルゴリズムであるTrranSDDPを紹介する。 本研究では,値関数の分数次線形近似を効率よく生成することを示す。
  論文  参考訳（メタデータ） (2024-04-03T09:08:15Z)
• A Graph Reconstruction by Dynamic Signal Coefficient for Fault Classification [20.273719790567743]
  本稿では,エンドツーエンドの故障診断モデルにおいて重要な役割を担う動的特徴再構成信号グラフ法を提案する。 軸受の公開データプラットフォームとロボット研削実験用プラットフォームの実験結果から, 本手法は, ノイズ強度の異なる既存手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-05-30T12:24:41Z)
• Linear Convergence of Reshuffling Kaczmarz Methods With Sparse Constraints [7.936519714074615]
  カッツマルツ行列(英語版)(KZ)とその変種は、部分線型方程式系を解く際の単純さと効率性のために広く研究されている。 KHT に対する最初の理論的収束保証は、空間的制約のある系の解に線形に収束することを示すことである。
  論文  参考訳（メタデータ） (2023-04-20T07:14:24Z)
• An Accelerated Doubly Stochastic Gradient Method with Faster Explicit Model Identification [97.28167655721766]
  本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。 まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
  論文  参考訳（メタデータ） (2022-08-11T22:27:22Z)
• Semi-supervised Learning of Partial Differential Operators and Dynamical Flows [68.77595310155365]
  本稿では,超ネットワーク解法とフーリエニューラル演算子アーキテクチャを組み合わせた新しい手法を提案する。 本手法は, 1次元, 2次元, 3次元の非線形流体を含む様々な時間発展PDEを用いて実験を行った。 その結果、新しい手法は、監督点の時点における学習精度を向上し、任意の中間時間にその解を補間できることを示した。
  論文  参考訳（メタデータ） (2022-07-28T19:59:14Z)
• Multi-Frequency Joint Community Detection and Phase Synchronization [22.683901672480353]
  本稿では, 相対位相をもつテクスト確率ブロックモデルにおける共同コミュニティ検出と位相同期問題について検討する。 本稿では,その最大推定値(MLE)の定式化を精査し,テキストマルチ周波数構造を示す。 MLEの定式化を利用して、複数の周波数にまたがる情報から得られる2つの単純かつ効率的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-16T23:08:27Z)
• Learning Sampling Policy for Faster Derivative Free Optimization [100.27518340593284]
  ランダムサンプリングではなく,ZO最適化における摂動を生成するためのサンプリングポリシを学習する,新たな強化学習ベースのZOアルゴリズムを提案する。 その結果,ZO-RLアルゴリズムはサンプリングポリシを学習することでZO勾配の分散を効果的に低減し,既存のZOアルゴリズムよりも高速に収束できることが示唆された。
  論文  参考訳（メタデータ） (2021-04-09T14:50:59Z)
• InverseForm: A Loss Function for Structured Boundary-Aware Segmentation [80.39674800972182]
  逆変換ネットワークを用いたセマンティックセグメンテーションのための新しい境界認識損失項を提案する。 このプラグイン損失項は境界変換の捕捉におけるクロスエントロピー損失を補完する。 室内および屋外のセグメンテーションベンチマークにおける損失関数の定量的および定性的効果を解析した。
  論文  参考訳（メタデータ） (2021-04-06T18:52:45Z)

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。