論文の概要: LD-RPMNet: Near-Sensor Diagnosis for Railway Point Machines

• arxiv url: http://arxiv.org/abs/2506.06346v1
• Date: Sun, 01 Jun 2025 17:30:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.206484
• Title: LD-RPMNet: Near-Sensor Diagnosis for Railway Point Machines
• Title（参考訳）: LD-RPMNet:鉄道車両のニアセンサ診断
• Authors: Wei Li, Xiaochun Wu, Xiaoxi Hu, Yuxuan Zhang, Sebastian Bader, Yuhan Huang,
• Abstract要約: 本研究では,トランスフォーマーと畳み込みニューラルネットワークを統合したLD-RPMNetという軽量モデルを提案する。 鉄道車両の運転中に収集した音信号に基づく実験結果から, 最適化されたモデルによりパラメータ数と計算複雑性を50%低減できることが示された。 このことは、鉄道車両における近接センサ故障診断の応用の可能性を示している。
• 参考スコア（独自算出の注目度）: 9.85616523216096
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Near-sensor diagnosis has become increasingly prevalent in industry. This study proposes a lightweight model named LD-RPMNet that integrates Transformers and Convolutional Neural Networks, leveraging both local and global feature extraction to optimize computational efficiency for a practical railway application. The LD-RPMNet introduces a Multi-scale Depthwise Separable Convolution (MDSC) module, which decomposes cross-channel convolutions into pointwise and depthwise convolutions while employing multi-scale kernels to enhance feature extraction. Meanwhile, a Broadcast Self-Attention (BSA) mechanism is incorporated to simplify complex matrix multiplications and improve computational efficiency. Experimental results based on collected sound signals during the operation of railway point machines demonstrate that the optimized model reduces parameter count and computational complexity by 50% while improving diagnostic accuracy by nearly 3%, ultimately achieving an accuracy of 98.86%. This demonstrates the possibility of near-sensor fault diagnosis applications in railway point machines.
• Abstract（参考訳）: 近感性診断は、産業でますます普及している。 本研究では,トランスフォーマーと畳み込みニューラルネットワークを統合したLD-RPMNetという軽量モデルを提案する。 LD-RPMNetはMDSC(Multiscale Depthwise Separable Convolution)モジュールを導入した。 一方、複雑な行列乗算を単純化し、計算効率を向上させるために、放送自己注意(BSA)機構が組み込まれている。 鉄道車両の運転中に収集した音声信号に基づいて実験した結果、最適化されたモデルはパラメータ数と計算複雑性を50%削減し、診断精度を約3%改善し、最終的に98.86%の精度を達成した。 このことは、鉄道車両における近接センサ故障診断の応用の可能性を示している。

関連論文リスト

• Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
  ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。 マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。 その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
  論文  参考訳（メタデータ） (2025-04-07T15:38:25Z)
• Ultralight Signal Classification Model for Automatic Modulation Recognition [37.69303106863453]
  エッジアプリケーションに最適化された超軽量ハイブリッドニューラルネットワークを提案する。 クラス毎に100サンプル未満のサンプルを使用して、好ましくない信号と雑音の比率で堅牢なパフォーマンスを実現し、計算オーバーヘッドを大幅に削減します。
  論文  参考訳（メタデータ） (2024-12-27T11:03:26Z)
• 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)
• ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
  本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。 提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。 また,ELGC-Net-LWも導入した。
  論文  参考訳（メタデータ） (2024-03-26T17:46:25Z)
• ClST: A Convolutional Transformer Framework for Automatic Modulation Recognition by Knowledge Distillation [23.068233043023834]
  本稿では、畳み込み結合型信号変換器(ClST)という新しいニューラルネットワークと、信号知識蒸留(SKD)という新しい知識蒸留法を提案する。 SKDは、ニューラルネットワークのパラメータと複雑さを効果的に削減する知識蒸留法である。 我々は、SKDアルゴリズムであるKD-CNNとKD-MobileNetを使って、2つの軽量ニューラルネットワークをトレーニングし、ニューラルネットワークを小型デバイスで使用できるという要求を満たす。
  論文  参考訳（メタデータ） (2023-12-29T03:01:46Z)
• A new transformation for embedded convolutional neural network approach toward real-time servo motor overload fault-detection [0.0]
  DCサーボモーターの過負荷は、多くの企業が専門家を見つけるという問題に直面しているため、業界において大きな関心事である。 本稿では,人間の干渉を伴わないリアルタイム入力信号から障害を抽出する新しい変換法を用いて,畳み込みニューラルネットワーク(CNN)を用いた組込み人工知能アプローチを提案する。
  論文  参考訳（メタデータ） (2023-04-08T13:36:33Z)
• Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
  視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。 本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。 DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
  論文  参考訳（メタデータ） (2022-06-14T13:22:19Z)
• Millimeter Wave Communications with an Intelligent Reflector: Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
  ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。 チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。 最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-02-24T22:18:54Z)

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。