Fugu-MT 論文翻訳(概要): Pre-Trained Large Language Model Based Remaining Useful Life Transfer Prediction of Bearing

論文の概要: Pre-Trained Large Language Model Based Remaining Useful Life Transfer Prediction of Bearing

arxiv url: http://arxiv.org/abs/2501.07191v1
Date: Mon, 13 Jan 2025 10:38:12 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-14 14:20:28.577610
Title: Pre-Trained Large Language Model Based Remaining Useful Life Transfer Prediction of Bearing
Title（参考訳）: 軸受の寿命予測のための事前学習型大規模言語モデル
Authors: Laifa Tao, Zhengduo Zhao, Xuesong Wang, Bin Li, Wenchao Zhan, Xuanyuan Su, Shangyu Li, Qixuan Huang, Haifei Liu, Chen Lu, Zhixuan Lian,
Abstract要約: 軸受などの回転機械の余寿命(RUL)を正確に予測することは、機器の信頼性を確保し、予期せぬ工業的失敗を最小限に抑えるために不可欠である。従来のデータ駆動型ディープラーニング手法は、データ分散の一貫性のないトレーニングとテスト、長期予測の限定的な一般化などにより、実践的な環境での課題に直面している。
参考スコア（独自算出の注目度）: 8.306596060592462
License:
Abstract: Accurately predicting the remaining useful life (RUL) of rotating machinery, such as bearings, is essential for ensuring equipment reliability and minimizing unexpected industrial failures. Traditional data-driven deep learning methods face challenges in practical settings due to inconsistent training and testing data distributions and limited generalization for long-term predictions.
Abstract（参考訳）: 軸受などの回転機械の余寿命(RUL)を正確に予測することは、機器の信頼性を確保し、予期せぬ工業的失敗を最小限に抑えるために不可欠である。従来のデータ駆動型ディープラーニング手法は、データ分散の一貫性のないトレーニングとテスト、長期予測の限定的な一般化などにより、実践的な環境での課題に直面している。

関連論文リスト

Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文参考訳（メタデータ） (2024-07-18T15:44:23Z)
Prediction of rare events in the operation of household equipment using co-evolving time series [1.1249583407496218]
我々のアプローチは、データの時間的挙動を利用して予測能力を向上する重み付き自己回帰モデルである。合成および実世界のデータセットの評価は、我々の手法が家庭機器の故障予測手法よりも優れていることを裏付けている。
論文参考訳（メタデータ） (2023-12-15T00:21:00Z)
Learning Sample Difficulty from Pre-trained Models for Reliable Prediction [55.77136037458667]
本稿では,大規模事前学習モデルを用いて,サンプル難易度を考慮したエントロピー正規化による下流モデルトレーニングを指導する。我々は、挑戦的なベンチマークで精度と不確実性の校正を同時に改善する。
論文参考訳（メタデータ） (2023-04-20T07:29:23Z)
Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
論文参考訳（メタデータ） (2023-02-23T18:57:14Z)
Prediction-Powered Inference [68.97619568620709]
予測を用いた推論は、実験データセットに機械学習システムからの予測を補足した場合に有効な統計的推論を行うためのフレームワークである。このフレームワークは、手段、量子、線形およびロジスティック回帰係数などの量に対して証明可能な信頼区間を計算するための単純なアルゴリズムを生成する。予測による推論により、研究者は機械学習を使用して、より有効な、よりデータ効率の高い結論を導き出すことができる。
論文参考訳（メタデータ） (2023-01-23T18:59:28Z)
Long-Tail Prediction Uncertainty Aware Trajectory Planning for Self-driving Vehicles [12.645597960926601]
近年の研究では、長い尾の運転シナリオ分布の後にデータセット上で訓練されたディープラーニングモデルが、尾の予測エラーに悩まされることが示されている。この研究は、スパースデータによる高い誤差を定量化するための予測モデルの不確実性の概念を定義する。提案手法は,不十分なデータによる予測の不確実性の下で軌道計画の安全性を向上させることができることを示す。
論文参考訳（メタデータ） (2022-07-02T10:17:31Z)
Remaining useful life prediction with uncertainty quantification: development of a highly accurate model for rotating machinery [0.0]
VisProと呼ばれる不確実な定量化を伴う新しいアーキテクチャとRUL予測モデルを考案する。我々は、回転機械の他の高度なデータ駆動型RUL予測モデルと比較し、得られた結果を分析し、ベンチマークする。
論文参考訳（メタデータ） (2021-09-23T18:22:27Z)
Uncertainty-aware Remaining Useful Life predictor [57.74855412811814]
有効寿命 (Remaining Useful Life, RUL) とは、特定の産業資産の運用期間を推定する問題である。本研究では,Deep Gaussian Processes (DGPs) を,前述の制限に対する解決策と捉える。アルゴリズムの性能はNASAの航空機エンジン用N-CMAPSSデータセットで評価される。
論文参考訳（メタデータ） (2021-04-08T08:50:44Z)
Learning Prediction Intervals for Model Performance [1.433758865948252]
モデル性能の予測間隔を計算する手法を提案する。我々は,幅広いドリフト条件におけるアプローチを評価し,競合ベースラインよりも大幅に改善することを示す。
論文参考訳（メタデータ） (2020-12-15T21:32:03Z)
Predictive Maintenance for Edge-Based Sensor Networks: A Deep Reinforcement Learning Approach [68.40429597811071]
未計画の設備停止のリスクは、収益発生資産の予測保守によって最小化することができる。機器に基づくセンサネットワークのコンテキストから予測機器のメンテナンスを行うために,モデルフリーのDeep Reinforcement Learningアルゴリズムを提案する。従来のブラックボックス回帰モデルとは異なり、提案アルゴリズムは最適なメンテナンスポリシーを自己学習し、各機器に対して実行可能なレコメンデーションを提供する。
論文参考訳（メタデータ） (2020-07-07T10:00:32Z)

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。