論文の概要: Modeling Discrete Coating Degradation Events via Hawkes Processes
- arxiv url: http://arxiv.org/abs/2504.09706v1
- Date: Sun, 13 Apr 2025 19:57:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-15 16:50:47.371058
- Title: Modeling Discrete Coating Degradation Events via Hawkes Processes
- Title（参考訳）: ホークスプロセスによる離散皮膜劣化事象のモデル化
- Authors: Matthew Repasky, Henry Yuchi, Fritz Friedersdorf, Yao Xie,
- Abstract要約: 本稿では, 離散劣化現象の形で, 材料劣化を表す新しい指標を提案する。
これらの事象は、連続的なセンサ読み取りの統計的性質を維持しているが、桁違いに少ない測定値で構成されている。
我々は, 劣化予測を用いて今後の故障時期を予測し, 亜鉛腐食の直接モデリングに基づくアプローチに優れた性能を示す。
- 参考スコア（独自算出の注目度）: 5.695027198038298
- License:
- Abstract: Forecasting the degradation of coated materials has long been a topic of critical interest in engineering, as it has enormous implications for both system maintenance and sustainable material use. Material degradation is affected by many factors, including the history of corrosion and characteristics of the environment, which can be measured by high-frequency sensors. However, the high volume of data produced by such sensors can inhibit efficient modeling and prediction. To alleviate this issue, we propose novel metrics for representing material degradation, taking the form of discrete degradation events. These events maintain the statistical properties of continuous sensor readings, such as correlation with time to coating failure and coefficient of variation at failure, but are composed of orders of magnitude fewer measurements. To forecast future degradation of the coating system, a marked Hawkes process models the events. We use the forecast of degradation to predict a future time of failure, exhibiting superior performance to the approach based on direct modeling of galvanic corrosion using continuous sensor measurements. While such maintenance is typically done on a regular basis, degradation models can enable informed condition-based maintenance, reducing unnecessary excess maintenance and preventing unexpected failures.
- Abstract（参考訳）: 塗工材の劣化は, システムメンテナンスと持続可能な材料利用の両方に多大な影響を及ぼすため, 長年, 工学における重要な関心事となっている。
材料劣化は, 腐食の歴史や環境特性など, 高周波センサで測定できる多くの要因の影響を受けている。
しかし、そのようなセンサによって生成された大量のデータは、効率的なモデリングと予測を阻害することができる。
この問題を軽減するために, 離散的な劣化現象の形で, 材料劣化を表す新しい指標を提案する。
これらの事象は、故障の時間と故障時の変動係数との相関のような連続的なセンサ読み取りの統計的性質を保っているが、測定の桁数は桁違いである。
コーティングシステムの将来の劣化を予測するために、マークされたホークスプロセスがイベントをモデル化する。
本研究では, 劣化予測を用いて今後の故障時期を予測し, 連続センサを用いた亜鉛腐食の直接モデリングに基づくアプローチに優れた性能を示す。
このようなメンテナンスは通常、定期的に行われるが、劣化モデルは、インフォームドコンディションベースのメンテナンスを可能にし、不要な余分なメンテナンスを減らし、予期せぬ失敗を防ぐことができる。
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) - Regulating Model Reliance on Non-Robust Features by Smoothing Input Marginal Density [93.32594873253534]
信頼できる機械学習は、非ロバストな特徴に依存するモデルの厳密な規制を必要とする。
本稿では,モデル予測を入力に関連付けることによって,そのような特徴を記述・規制するフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-05T09:16:56Z) - Low-rank finetuning for LLMs: A fairness perspective [54.13240282850982]
低ランク近似技術は、微調整された大規模言語モデルのデファクトスタンダードとなっている。
本稿では,これらの手法が初期訓練済みデータ分布から微調整データセットのシフトを捉える上での有効性について検討する。
低ランク微調整は好ましくない偏見や有害な振る舞いを必然的に保存することを示す。
論文 参考訳（メタデータ） (2024-05-28T20:43:53Z) - Uncertainty-boosted Robust Video Activity Anticipation [72.14155465769201]
ビデオアクティビティの予測は、ロボットビジョンから自動運転まで幅広い応用可能性を受け入れることで、将来何が起こるかを予測することを目的としている。
近年の進展にもかかわらず、コンテンツ進化過程やイベントラベルの動的相関として反映されたデータ不確実性問題は、何らかの形で無視されている。
本研究では,予測結果の信頼性を示す不確実な値を生成する,不確実性を考慮した頑健なビデオアクティビティ予測フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-29T12:31:38Z) - Assessment of the suitability of degradation models for the planning of
CCTV inspections of sewer pipes [0.360953887026184]
下水道管の劣化は、経済的、環境的、健康的な問題を引き起こす。
このような計画の開発には、統計的および機械学習手法に基づく分解モデルが必要である。
本研究は, 精度指標, 長期劣化曲線の生成能力, 説明可能性の3次元を考慮した検査計画への適合性を評価する手法を提案する。
論文 参考訳（メタデータ） (2023-07-12T10:58:29Z) - Monotonicity and Double Descent in Uncertainty Estimation with Gaussian
Processes [52.92110730286403]
限界確率はクロスバリデーションの指標を思い起こさせるべきであり、どちらもより大きな入力次元で劣化すべきである、と一般的に信じられている。
我々は,ハイパーパラメータをチューニングすることにより,入力次元と単調に改善できることを証明した。
また、クロスバリデーションの指標は、二重降下の特徴である質的に異なる挙動を示すことも証明した。
論文 参考訳（メタデータ） (2022-10-14T08:09:33Z) - Residual Correction in Real-Time Traffic Forecasting [29.93640276427495]
ディープラーニングベースのトラフィック予測モデルは、主にイベント状況において、特定のパターンで失敗する。
本稿では,交通予測のための残差推定モジュールResCALを紹介する。
我々のResCALは、過去のエラーとグラフ信号を用いて将来のエラーを推定することにより、既存のモデルの予測をリアルタイムで調整する。
論文 参考訳（メタデータ） (2022-09-12T16:57:25Z) - Preprocessing and Modeling of Radial Fan Data for Health State
Prediction [0.0]
重要な機械では、品質と量の両方において、誇張されたセンサーの傾向に気づくことがある。
本稿では、ダウンサンプリングとビンニングによるデータ削減に焦点を当てる。
論文 参考訳（メタデータ） (2021-09-08T07:37:18Z) - Autoformer: Decomposition Transformers with Auto-Correlation for
Long-Term Series Forecasting [68.86835407617778]
Autoformerは、Auto-Correlation機構を備えた、新しい分解アーキテクチャである。
長期的な予測では、Autoformerは6つのベンチマークで相対的に改善され、最先端の精度が得られる。
論文 参考訳（メタデータ） (2021-06-24T13:43:43Z) - Data-driven method for real-time prediction and uncertainty
quantification of fatigue failure under stochastic loading using artificial
neural networks and Gaussian process regression [0.0]
早期故障予測の方法は、工学、軍事、および市民の用途に不可欠です。
不確実性(UQ)は、リアルタイム意思決定の目的において重要である。
論文 参考訳（メタデータ） (2021-03-11T13:57:08Z) - A nudged hybrid analysis and modeling approach for realtime wake-vortex
transport and decay prediction [0.0]
流れの縮小秩序モデル (ROM) を強化するための長期記憶 (LSTM) ヌージングフレームワークは, 騒音測定を利用して航空交通改善を行った。
我々は、現実的な応用において、初期および境界条件、モデルパラメータ、および測定に不確実性が存在するという事実に基づいて構築する。
LSTM nudging (LSTM-N) 法では,不完全なGROMと不確実な状態推定を組み合わせた予測とスパーシアンセンサ測定を併用して,動的データ同化フレームワークにおいてより信頼性の高い予測を行う。
論文 参考訳（メタデータ） (2020-08-05T23:47:15Z)
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。