Fugu-MT 論文翻訳(概要): Diagnosis of Fuel Cell Health Status with Deep Sparse Auto-Encoder Neural Network

論文の概要: Diagnosis of Fuel Cell Health Status with Deep Sparse Auto-Encoder Neural Network

arxiv url: http://arxiv.org/abs/2510.17214v1
Date: Mon, 20 Oct 2025 06:55:35 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-25 00:56:39.340794
Title: Diagnosis of Fuel Cell Health Status with Deep Sparse Auto-Encoder Neural Network
Title（参考訳）: ディープスパースオートエンコーダニューラルネットワークによる燃料電池の健康状態の診断
Authors: Chenyan Fei, Dalin Zhang, Chen Melinda Dang,
Abstract要約: 本稿では, 燃料電池における高周波インピーダンスの予測と分類に, ディープスパース自動符号化ネットワークを用いる。ネットワークはFPGA上に展開され、ハードウェアベースの認識率はほぼ90%に達する。
参考スコア（独自算出の注目度）: 1.6079947052768206
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Effective and accurate diagnosis of fuel cell health status is crucial for ensuring the stable operation of fuel cell stacks. Among various parameters, high-frequency impedance serves as a critical indicator for assessing fuel cell state and health conditions. However, its online testing is prohibitively complex and costly. This paper employs a deep sparse auto-encoding network for the prediction and classification of high-frequency impedance in fuel cells, achieving metric of accuracy rate above 92\%. The network is further deployed on an FPGA, attaining a hardware-based recognition rate almost 90\%.
Abstract（参考訳）: 燃料電池スタックの安定運転を確実にするためには, 燃料電池の健康状態の効果的かつ正確な診断が重要である。様々なパラメータの中で、高周波インピーダンスは燃料電池の状態と健康状態を評価する重要な指標である。しかし、オンラインテストは極めて複雑で費用がかかる。本稿では, 燃料電池における高周波インピーダンスの予測と分類のために, ディープスパース自動符号化ネットワークを用い, 精度92\%以上の精度測定を行った。ネットワークはさらにFPGA上に展開され、ハードウェアベースの認識率はほぼ90%に達する。

関連論文リスト

Prototyping an End-to-End Multi-Modal Tiny-CNN for Cardiovascular Sensor Patches [35.899401205042615]
本稿では、バイナリ分類問題を解決するために、データの早期融合を伴う畳み込みニューラルネットワークを提案する。提案手法は,最先端技術と比較してメモリフットプリントと計算コストを3桁削減する。
論文参考訳（メタデータ） (2025-10-21T14:23:20Z)
Enhancing Wireless Device Identification through RF Fingerprinting: Leveraging Transient Energy Spectrum Analysis [3.767875797012388]
我々はCNN-Bi-GRUと呼ばれるハイブリッドディープラーニングモデルを導入し、その過渡特性に基づいてRFデバイスの識別を学習する。提案手法は、99.33%の精度、99.53%のリコール、99.43%のF1スコア、99.17%の分類精度で10倍のクロスバリデーション性能を提供する。
論文参考訳（メタデータ） (2025-06-20T19:18:30Z)
Learning to Hear Broken Motors: Signature-Guided Data Augmentation for Induction-Motor Diagnostics [40.044978986425676]
3相エンジンのインテリジェント診断における機械学習(ML)アルゴリズムの適用は、診断性能と精度を大幅に向上させる可能性がある。本稿では,エンジン物理モデルを考慮した教師なし異常発生手法を提案する。 SGDA(Signature-Guided Data Augmentation)は、健康な電流信号の周波数領域において、物理的に可塑性な断層を直接合成する、教師なしのフレームワークである。
論文参考訳（メタデータ） (2025-06-10T03:36:16Z)
Accurate Ab-initio Neural-network Solutions to Large-Scale Electronic Structure Problems [52.19558333652367]
有限範囲埋め込み(FiRE)を高精度なアブ・イニシアチブ電子構造計算に応用する。 FiREは、ニューラルネットワークの変異モンテカルロ(NN-VMC)の複雑さを$sim ntextel$, the number of electronsによって低減する。バイオケミカル化合物や有機金属化合物など,様々な課題に対して,本手法の精度を検証した。
論文参考訳（メタデータ） (2025-04-08T14:28:54Z)
Congenital Heart Disease Classification Using Phonocardiograms: A Scalable Screening Tool for Diverse Environments [34.10187730651477]
先天性心疾患(CHD)は早期発見を必要とする重要な疾患である。本研究では, 心電図(PCG)信号を用いたCHD検出のための深層学習モデルを提案する。バングラデシュの一次データセットを含むいくつかのデータセットで、我々のモデルを評価した。
論文参考訳（メタデータ） (2025-03-28T05:47:44Z)
Anomaly Detection in Electrocardiograms: Advancing Clinical Diagnosis Through Self-Supervised Learning [32.37717219026923]
既存のシステムは、心臓のマクロ/ミクロ構造における深刻な生命を脅かす問題や変化の前兆となる稀な心臓異常を見逃すことがしばしばある。本研究は自己監督型異常検出(AD)に焦点をあて,異常を示す偏差を認識するために,正常心電図のみを訓練する。本稿では,心電図の異常を自律的に検出し,局所化するために,正常心電図の膨大なデータセットを利用する,心電図ADのための新しい自己教師型学習フレームワークを提案する。
論文参考訳（メタデータ） (2024-04-07T12:15:53Z)
Biomembrane-based Memcapacitive Reservoir Computing System for Energy Efficient Temporal Data Processing [0.0]
貯留層コンピューティングは、時間データを処理するための非常に効率的な機械学習フレームワークである。ここでは, 揮発性生体膜を用いた膜キャパシタを用いて, 短期シナプス可塑性機能を貯水池として密に再現する。本システムは,2次非線形回帰タスクにおいて,音声桁分類の精度99.6%,正規化平均2乗誤差7.81*10-4を達成する。
論文参考訳（メタデータ） (2023-05-19T22:36:20Z)
Arrhythmia Classifier using Binarized Convolutional Neural Network for Resource-Constrained Devices [4.36031697142651]
ECGモニタリングに適した二元化畳み込みニューラルネットワークを提案する。ハードウェアフレンドリーで、リソースに制約のあるウェアラブルデバイスでの使用に適している。計算速度は12.65倍、ストレージ圧縮比は24.8倍であり、メモリオーバーヘッドの4分の1しか必要としない。
論文参考訳（メタデータ） (2022-05-07T14:21:32Z)
Adaptive R-Peak Detection on Wearable ECG Sensors for High-Intensity Exercise [3.7808904037372524]
ウェアラブルセンサーによる生体信号の連続モニタリングは、医療・健康分野で急速に拡大している。提案手法は,教師なし学習,ベイズフィルタリング,非線形正規化に基づく。 BayeSlopeは計算的に重く、デバイスバッテリーを迅速に排水できるので、その頑丈さを突然の生理的変化に適応させるオンライン設計を提案する。
論文参考訳（メタデータ） (2021-12-08T16:24:23Z)
Neural Network Virtual Sensors for Fuel Injection Quantities with Provable Performance Specifications [71.1911136637719]
証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
論文参考訳（メタデータ） (2020-06-30T23:33:17Z)

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。