論文の概要: Rashomon perspective for measuring uncertainty in the survival predictive maintenance models

• arxiv url: http://arxiv.org/abs/2502.15772v1
• Date: Sun, 16 Feb 2025 13:36:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 02:51:29.727274
• Title: Rashomon perspective for measuring uncertainty in the survival predictive maintenance models
• Title（参考訳）: 生存予測維持モデルにおける不確実性測定のための羅生門的視点
• Authors: Yigitcan Yardimci, Mustafa Cavus,
• Abstract要約: 航空機エンジンの残留実用寿命の予測は、航空宇宙や防衛といった高信頼性分野において重要な領域である。 従来の回帰モデルは検閲されたデータに苦しむため、バイアスのある予測につながる可能性がある。 一方、サバイバルモデルは、検閲されたデータを効果的に処理し、メンテナンスプロセスの予測精度を向上させる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The prediction of the Remaining Useful Life of aircraft engines is a critical area in high-reliability sectors such as aerospace and defense. Early failure predictions help ensure operational continuity, reduce maintenance costs, and prevent unexpected failures. Traditional regression models struggle with censored data, which can lead to biased predictions. Survival models, on the other hand, effectively handle censored data, improving predictive accuracy in maintenance processes. This paper introduces a novel approach based on the Rashomon perspective, which considers multiple models that achieve similar performance rather than relying on a single best model. This enables uncertainty quantification in survival probability predictions and enhances decision-making in predictive maintenance. The Rashomon survival curve was introduced to represent the range of survival probability estimates, providing insights into model agreement and uncertainty over time. The results on the CMAPSS dataset demonstrate that relying solely on a single model for RUL estimation may increase risk in some scenarios. The censoring levels significantly impact prediction uncertainty, with longer censoring times leading to greater variability in survival probabilities. These findings underscore the importance of incorporating model multiplicity in predictive maintenance frameworks to achieve more reliable and robust failure predictions. This paper contributes to uncertainty quantification in RUL prediction and highlights the Rashomon perspective as a powerful tool for predictive modeling.
• Abstract（参考訳）: 航空機エンジンの残留実用寿命の予測は、航空宇宙や防衛といった高信頼性分野において重要な領域である。 早期の障害予測は、運用の継続性を確保し、メンテナンスコストを削減し、予期せぬ失敗を防ぐのに役立つ。 従来の回帰モデルは検閲されたデータに苦しむため、バイアスのある予測につながる可能性がある。 一方、サバイバルモデルは、検閲されたデータを効果的に処理し、メンテナンスプロセスの予測精度を向上させる。 本稿では,一つの最良モデルに頼るのではなく,類似した性能を実現する複数のモデルを考察した,羅生門の視点に基づく新しいアプローチを提案する。 これにより、生存確率予測の不確実な定量化が可能になり、予測保守における意思決定が強化される。 ラショモン生存曲線は、生存確率推定の範囲を表すために導入され、モデル整合性や時間的不確実性に関する洞察を提供する。 CMAPSSデータセットの結果は、RUL推定のための単一のモデルのみに依存すると、いくつかのシナリオにおけるリスクが増大することを示している。 検閲レベルは予測の不確実性に大きく影響し、検閲時間が長くなり、生存確率の多様性が向上した。 これらの知見は、より信頼性が高く堅牢な障害予測を実現するために、予測保守フレームワークにモデル多重性を導入することの重要性を浮き彫りにした。 本稿では,RUL予測の不確かさの定量化に寄与し,予測モデリングの強力なツールとして,羅生門の視点を強調した。

関連論文リスト

• Evidential time-to-event prediction with calibrated uncertainty quantification [12.446406577462069]
  Time-to-event分析は、臨床予後と治療勧告に関する洞察を提供する。 本稿では,時間とイベントの予測に特化して設計された明らかな回帰モデルを提案する。 我々のモデルは正確かつ信頼性の高い性能を提供し、最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-11-12T15:06:04Z)
• Predictive Churn with the Set of Good Models [64.05949860750235]
  近似機械学習モデルの集合に対する競合予測の効果について検討する。 ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。 当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
  論文  参考訳（メタデータ） (2024-02-12T16:15:25Z)
• Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
  気象予報に拡散モデル(DM)を適用した新しい手法を提案する。 提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。 我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
  論文  参考訳（メタデータ） (2024-02-06T21:28:42Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• Toward Reliable Human Pose Forecasting with Uncertainty [51.628234388046195]
  我々は、複数のモデルを含む人間のポーズ予測のためのオープンソースのライブラリを開発し、複数のデータセットをサポートする。 我々は、パフォーマンスを高め、より良い信頼をもたらすために、問題の2つの不確実性を考案する。
  論文  参考訳（メタデータ） (2023-04-13T17:56:08Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
  確率的時系列予測は、その歴史に基づいて将来の分布を推定する。 本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。 実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
  論文  参考訳（メタデータ） (2021-01-31T06:49:33Z)
• 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)
• Uncertainty Estimation in Cancer Survival Prediction [8.827764645115955]
  生存モデルは、がん治療プロトコルの開発など、様々な分野で使用されている。 本稿では,より正確な生存予測を与えるだけでなく,生存不確実性をより正確に評価するバイーシアンフレームワークを提案する。 提案手法は,不確実性推定のための変分推論,非線形および時間変化リスクモデルの推定のためのニューラルマルチタスクロジスティック回帰,および高次元データを用いた作業に先立って追加の空間性誘導の組み合わせである。
  論文  参考訳（メタデータ） (2020-03-19T05:08:01Z)

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。