論文の概要: Power Transformer Health Index and Life Span Assessment: A Comprehensive Review of Conventional and Machine Learning based Approaches
- arxiv url: http://arxiv.org/abs/2504.15310v1
- Date: Sat, 19 Apr 2025 13:48:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-01 02:17:49.344746
- Title: Power Transformer Health Index and Life Span Assessment: A Comprehensive Review of Conventional and Machine Learning based Approaches
- Title（参考訳）: パワートランスフォーマーヘルス指標とライフスパンアセスメント : 従来型と機械学習に基づくアプローチの総合的レビュー
- Authors: Syeda Tahreem Zahra, Syed Kashif Imdad, Sohail Khan, Sohail Khalid, Nauman Anwar Baig,
- Abstract要約: 電力変圧器は電力システムにおいて重要な役割を担い、健康評価と残りの寿命の予測を行う。
本稿では,既存の文献を包括的に検討し,従来手法と最先端技術の両方に焦点をあてる。
本論文は, 変圧器条件の評価に最も広く利用されている知的アルゴリズムに, 知的故障診断手法と棚上げ法を解説する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Power transformers play a critical role within the electrical power system, making their health assessment and the prediction of their remaining lifespan paramount for the purpose of ensuring efficient operation and facilitating effective maintenance planning. This paper undertakes a comprehensive examination of existent literature, with a primary focus on both conventional and cutting-edge techniques employed within this domain. The merits and demerits of recent methodologies and techniques are subjected to meticulous scrutiny and explication. Furthermore, this paper expounds upon intelligent fault diagnosis methodologies and delves into the most widely utilized intelligent algorithms for the assessment of transformer conditions. Diverse Artificial Intelligence (AI) approaches, including Artificial Neural Networks (ANN) and Convolutional Neural Network (CNN), Support Vector Machine (SVM), Random Forest (RF), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO), are elucidated offering pragmatic solutions for enhancing the performance of transformer fault diagnosis. The amalgamation of multiple AI methodologies and the exploration of timeseries analysis further contribute to the augmentation of diagnostic precision and the early detection of faults in transformers. By furnishing a comprehensive panorama of AI applications in the field of transformer fault diagnosis, this study lays the groundwork for future research endeavors and the progression of this critical area of study.
- Abstract（参考訳）: 電力変圧器は電力系統において重要な役割を担い、効率的な運転の確保と効率的な保守計画の容易化を目的として、その健康評価と残りの寿命予測を行う。
本稿では,既存の文献を包括的に検討し,従来手法と最先端技術の両方に焦点をあてる。
近年の方法論や技法の長所と短所は、綿密な精査と説明の対象となっている。
さらに, インテリジェンス診断手法について述べるとともに, 変圧器条件の評価に最も広く利用されるインテリジェントアルゴリズムについて述べる。
ニューラルネットワーク(ANN)や畳み込みニューラルネットワーク(CNN)、サポートベクトルマシン(SVM)、ランダムフォレスト(RF)、遺伝的アルゴリズム(GA)、パーティクルスワーム最適化(PSO)といったAIアプローチは、トランスフォーマ断層診断の性能向上のための実用的なソリューションを提供する。
複数のAI手法の融合と時系列解析の探索は、診断精度の増大とトランスフォーマーの欠陥の早期検出にさらに寄与する。
本研究は, 変圧器故障診断分野におけるAI応用の包括的パノラマを織り込むことにより, 今後の研究課題と, この重要な研究領域の進展の基盤となるものとなる。
関連論文リスト
- Comparative Evaluation of Radiomics and Deep Learning Models for Disease Detection in Chest Radiography [0.0]
本研究は,胸部X線撮影における疾患検出のための放射線治療と深層学習によるアプローチの包括的評価である。
新型コロナウイルス、肺不透明症、ウイルス性肺炎に焦点が当てられている。
臨床実習におけるAI駆動診断ツールの統合について報告する。
論文 参考訳（メタデータ） (2025-04-16T16:54:37Z) - GS-TransUNet: Integrated 2D Gaussian Splatting and Transformer UNet for Accurate Skin Lesion Analysis [44.99833362998488]
本稿では,2次元ガウススプラッティングとTransformer UNetアーキテクチャを組み合わせた皮膚癌自動診断手法を提案する。
セグメンテーションと分類の精度は著しく向上した。
この統合は、新しいベンチマークをこの分野に設定し、マルチタスク医療画像解析手法のさらなる研究の可能性を強調している。
論文 参考訳（メタデータ） (2025-02-23T23:28:47Z) - Multi-Scale Transformer Architecture for Accurate Medical Image Classification [4.578375402082224]
本研究では,トランスフォーマーアーキテクチャを改良したAIによる皮膚病変分類アルゴリズムを提案する。
マルチスケールな特徴融合機構の統合と自己認識プロセスの洗練により、このモデルはグローバルな特徴とローカルな特徴の両方を効果的に抽出する。
ISIC 2017データセットのパフォーマンス評価は、改良されたTransformerが既存のAIモデルを上回ることを示している。
論文 参考訳（メタデータ） (2025-02-10T08:22:25Z) - Explainable Artificial Intelligence for Medical Applications: A Review [42.33274794442013]
本稿では、説明可能な人工知能(XAI)に関する最近の研究をレビューする。
視覚、オーディオ、マルチモーダルの観点からの医療実践に焦点を当てている。
我々は、将来の研究者や医療専門家に支援とガイダンスを提供することを目的として、これらのプラクティスを分類し、合成することに努めます。
論文 参考訳（メタデータ） (2024-11-15T11:31:06Z) - Machine Learning Innovations in CPR: A Comprehensive Survey on Enhanced Resuscitation Techniques [52.71395121577439]
心肺蘇生(CPR)における機械学習(ML)と人工知能(AI)の変革的役割について検討する。
再現結果を改善する上で、予測モデリング、AI強化デバイス、リアルタイムデータ分析の影響を強調している。
本稿は、この新興分野における現在の応用、課題、今後の方向性に関する包括的概要、分類、および批判的分析を提供する。
論文 参考訳（メタデータ） (2024-11-03T18:01:50Z) - Machine Learning and Transformers for Thyroid Carcinoma Diagnosis: A Review [2.392768534292846]
本稿では, 甲状腺癌(TC)の診断におけるAIベースのアプローチ, 特にトランスフォーマーを用いたアプローチについて概説する。
人工知能(AI)アルゴリズム,フレームワークの目標,使用するコンピューティング環境に基づく,これらの手法の新しい分類システムを導入する。
この論文は、教師なし、教師なし、または混在したアプローチを通じて、TCの診断と治療を支援するためのAI機器の重要性を強調している。
論文 参考訳（メタデータ） (2024-03-17T17:45:04Z) - Explainable Transformer Prototypes for Medical Diagnoses [7.680878119988482]
変圧器の自己注意機能は、分類過程において重要な領域を特定することに寄与する。
我々の研究は、「ピクセル」ではなく「領域」間の相関を裏付けるユニークな注意ブロックを革新する試みである。
大規模なNIH胸部X線データセットにおいて, 定量的, 定性的手法を併用し, 提案手法の有効性を実証した。
論文 参考訳（メタデータ） (2024-03-11T17:46:21Z) - Progressing from Anomaly Detection to Automated Log Labeling and
Pioneering Root Cause Analysis [53.24804865821692]
本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。
この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
論文 参考訳（メタデータ） (2023-12-22T15:04:20Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z) - The State of the Art in transformer fault diagnosis with artificial intelligence and Dissolved Gas Analysis: A Review of the Literature [1.450405446885067]
変圧器故障診断(TFD)は、電力系統の保守と管理において重要な側面である。
本稿では,人工知能(AI)と溶存ガス分析(DGA)を用いたTFDにおける技術の現状を概観する。
論文 参考訳（メタデータ） (2023-04-24T07:50:35Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z)
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。