論文の概要: Comparison of Deep Recurrent Neural Networks and Bayesian Neural Networks for Detecting Electric Motor Damage Through Sound Signal Analysis

• arxiv url: http://arxiv.org/abs/2502.10224v1
• Date: Fri, 07 Feb 2025 12:57:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 03:22:52.280375
• Title: Comparison of Deep Recurrent Neural Networks and Bayesian Neural Networks for Detecting Electric Motor Damage Through Sound Signal Analysis
• Title（参考訳）: 音響信号解析による電動機の損傷検出のためのディープリカレントニューラルネットワークとベイジアンニューラルネットワークの比較
• Authors: Waldemar Bauer, Jerzy Baranowski,
• Abstract要約: 本研究ではリカレントニューラルネットワーク(RNN)とベイズニューラルネットワーク(BNN)を用いて,音響信号解析による運動障害の診断を行った。 RNNとBNNの両方のアーキテクチャは、スマートフォンを用いて家電から収集した実世界の音響データに基づいて設計・評価されている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Fault detection in electric motors is a critical challenge in various industries, where failures can result in significant operational disruptions. This study investigates the use of Recurrent Neural Networks (RNNs) and Bayesian Neural Networks (BNNs) for diagnosing motor damage using acoustic signal analysis. A novel approach is proposed, leveraging frequency domain representation of sound signals for enhanced diagnostic accuracy. The architectures of both RNNs and BNNs are designed and evaluated on real-world acoustic data collected from household appliances using smartphones. Experimental results demonstrate that BNNs provide superior fault detection performance, particularly for imbalanced datasets, offering more robust and interpretable predictions compared to traditional methods. The findings suggest that BNNs, with their ability to incorporate uncertainty, are well-suited for industrial diagnostic applications. Further analysis and benchmarks are suggested to explore resource efficiency and classification capabilities of these architectures.
• Abstract（参考訳）: 電気モーターの故障検出は様々な産業において重要な課題であり、故障は重大な運用上の障害を引き起こす可能性がある。 本研究ではリカレントニューラルネットワーク(RNN)とベイズニューラルネットワーク(BNN)を用いて,音響信号解析による運動障害の診断を行った。 音響信号の周波数領域表現を利用して診断精度を向上させる手法を提案する。 RNNとBNNの両方のアーキテクチャは、スマートフォンを用いて家電から収集した実世界の音響データに基づいて設計・評価されている。 実験の結果、BNNは特に不均衡なデータセットに対して優れた故障検出性能を示し、従来の手法よりも堅牢で解釈可能な予測を提供することがわかった。 この結果は、BNNが不確実性を組み込む能力を持ち、産業診断に適していることを示唆している。 さらに分析とベンチマークを行い、これらのアーキテクチャの資源効率と分類能力について検討する。

関連論文リスト

• Advanced technology in railway track monitoring using the GPR Technique: A Review [41.94295877935867]
  グラウンド・ペネトレーション・レーダー (GPR) は、鉄道線路の監視に使用できる電磁探査技術である。 バラストポケット、ファウルドバラスト、排水不良、下級集落などの欠陥を検出することができる。 本稿では,実世界のGPRデータのキャリブレーションに合成モデリングを用いる手法について述べる。 ディープラーニング技術、特にCNN(Convolutional Neural Networks)やRNN(Recurrent Neural Networks)も、GPRイメージの欠陥に関連するパターンを認識する上での有効性を強調している。
  論文  参考訳（メタデータ） (2025-01-19T18:01:39Z)
• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。 スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。 分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。 本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• Detection of Electric Motor Damage Through Analysis of Sound Signals Using Bayesian Neural Networks [0.0]
  故障監視と診断は、電動機の信頼性を確保するために重要である。 本稿では,電動機の故障を検知し,分類するためにベイズニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2024-09-12T07:15:59Z)
• Toward End-to-End Bearing Fault Diagnosis for Industrial Scenarios with Spiking Neural Networks [6.686258023516048]
  スパイクニューラルネットワーク(SNN)は、低消費電力のバイナリスパイクを介して情報を伝達する。 本稿では,SNN手法の効率,性能,堅牢性を向上させるため,MRA-SNN(Multi-scale Residual Attention SNN)を提案する。 MRA-SNNは、既存の手法よりも精度、エネルギー消費ノイズの頑健性で優れており、現実の産業シナリオへの展開にも適している。
  論文  参考訳（メタデータ） (2024-08-17T06:41:58Z)
• sVAD: A Robust, Low-Power, and Light-Weight Voice Activity Detection with Spiking Neural Networks [51.516451451719654]
  スパイキングニューラルネットワーク(SNN)は生物学的に妥当で、電力効率が高いことが知られている。 本稿では sVAD と呼ばれる新しい SNN ベースの音声活動検出モデルを提案する。 SincNetと1D畳み込みによる効果的な聴覚特徴表現を提供し、アテンション機構による雑音の堅牢性を向上させる。
  論文  参考訳（メタデータ） (2024-03-09T02:55:44Z)
• Energy-based Out-of-Distribution Detection for Graph Neural Networks [76.0242218180483]
  我々は,GNNSafeと呼ばれるグラフ上での学習のための,シンプルで強力で効率的なOOD検出モデルを提案する。 GNNSafeは、最先端技術に対するAUROCの改善を最大17.0%で達成しており、そのような未開発領域では単純だが強力なベースラインとして機能する可能性がある。
  論文  参考訳（メタデータ） (2023-02-06T16:38:43Z)
• Signal Detection in MIMO Systems with Hardware Imperfections: Message Passing on Neural Networks [101.59367762974371]
  本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。 パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。 我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
  論文  参考訳（メタデータ） (2022-10-08T04:32:58Z)
• Early Bearing Fault Diagnosis of Rotating Machinery by 1D Self-Organized Operational Neural Networks [23.455010509133313]
  現代の電気回転機械(RM)の予防メンテナンスは、信頼性の高い運転の確保、予測不能な故障の防止、コストのかかる修理の回避に重要である。 本研究では1次元自己組織型ONN(Self-ONNs)を提案する。 NSF/IMSベアリング振動データセットに対する実験結果から,提案した1D Self-ONNは,計算複雑性の類似した最先端(1D CNN)に対して,大きな性能ギャップを達成できることが示された。
  論文  参考訳（メタデータ） (2021-09-30T06:32:34Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Robust Learning of Recurrent Neural Networks in Presence of Exogenous Noise [22.690064709532873]
  入力雑音を受けるRNNモデルに対するトラクタブルロバストネス解析を提案する。 線形化手法を用いてロバストネス測度を効率的に推定することができる。 提案手法はリカレントニューラルネットワークのロバスト性を大幅に改善する。
  論文  参考訳（メタデータ） (2021-05-03T16:45:05Z)
• On the benefits of robust models in modulation recognition [53.391095789289736]
  畳み込み層を用いたディープニューラルネットワーク(DNN)は、通信における多くのタスクにおいて最先端である。 画像分類のような他の領域では、DNNは敵の摂動に弱いことが示されている。 最新モデルの堅牢性をテストするための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-27T19:58:06Z)

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。