Fugu-MT 論文翻訳(概要): LSTM VS. Feed-Forward Autoencoders for Unsupervised Fault Detection in Hydraulic Pumps

論文の概要: LSTM VS. Feed-Forward Autoencoders for Unsupervised Fault Detection in Hydraulic Pumps

arxiv url: http://arxiv.org/abs/2601.11163v1
Date: Fri, 16 Jan 2026 10:25:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-19 20:21:50.448722
Title: LSTM VS. Feed-Forward Autoencoders for Unsupervised Fault Detection in Hydraulic Pumps
Title（参考訳）: LSTM VS. 油圧ポンプにおける教師なし故障検出のためのフィードフォワードオートエンコーダ
Authors: P. Sánchez, K. Reyes, B. Radu, E. Fernández,
Abstract要約: 工業用油圧ポンプの計画外の故障は生産を停止させ、相当なコストを発生させる可能性がある。早期故障検出のための2つの教師なしオートエンコーダ方式を探索する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Unplanned failures in industrial hydraulic pumps can halt production and incur substantial costs. We explore two unsupervised autoencoder (AE) schemes for early fault detection: a feed-forward model that analyses individual sensor snapshots and a Long Short-Term Memory (LSTM) model that captures short temporal windows. Both networks are trained only on healthy data drawn from a minute-level log of 52 sensor channels; evaluation uses a separate set that contains seven annotated fault intervals. Despite the absence of fault samples during training, the models achieve high reliability.
Abstract（参考訳）: 工業用油圧ポンプの計画外の故障は生産を停止させ、相当なコストを発生させる可能性がある。早期故障検出のための2つの教師なしオートエンコーダ(AE)方式について検討する。センサのスナップショットを解析するフィードフォワードモデルと,短時間の時間ウィンドウをキャプチャするLong Short-Term Memory(LSTM)モデルである。どちらのネットワークも、52のセンサーチャネルの分単位のログから引き出された健全なデータに基づいてトレーニングされている。トレーニング中に故障サンプルがないにもかかわらず、モデルは高い信頼性を実現する。

関連論文リスト

Early Fault Detection on CMAPSS with Unsupervised LSTM Autoencoders [0.0]
本稿では, ラン・トゥ・フェイルラベルを必要としないターボファンエンジンの非監視型ヘルスモニタリングフレームワークを提案する。第一に、NASA CMAPSSセンサーストリームの動作条件効果は回帰ベースの正規化によって除去される。 LSTM(Long Short-Term Memory)オートエンコーダは、各トラジェクトリの健全な部分にのみ訓練される。
論文参考訳（メタデータ） (2026-01-15T10:38:14Z)
STREAM-VAE: Dual-Path Routing for Slow and Fast Dynamics in Vehicle Telemetry Anomaly Detection [1.7751300245073598]
STREAM-VAEは、自動車テレメトリ時系列データにおける異常検出のための変分自動エンコーダである。モデルでは,低速ドリフトと高速スパイク信号のダイナミックスを分離するためにデュアルパスエンコーダと,過渡偏差を表すデコーダを用いる。
論文参考訳（メタデータ） (2025-11-19T10:58:40Z)
AI-Powered Machine Learning Approaches for Fault Diagnosis in Industrial Pumps [0.0]
本研究では,実世界のセンサデータを用いた産業用ポンプシステムにおける早期故障検出の実践的アプローチを提案する。フレームワークはスケーラブルで、解釈可能で、リアルタイムな産業展開に適している。
論文参考訳（メタデータ） (2025-08-21T13:33:09Z)
SlowFastVAD: Video Anomaly Detection via Integrating Simple Detector and RAG-Enhanced Vision-Language Model [52.47816604709358]
ビデオ異常検出(VAD)は、ビデオ内の予期せぬ事象を識別することを目的としており、安全クリティカルドメインに広く応用されている。視覚言語モデル(VLM)は強力なマルチモーダル推論能力を示し、異常検出の新しい機会を提供している。 SlowFastVADは高速異常検出器と低速異常検出器を統合したハイブリッドフレームワークである。
論文参考訳（メタデータ） (2025-04-14T15:30:03Z)
Machine Learning with Real-time and Small Footprint Anomaly Detection System for In-Vehicle Gateway [6.9113469208163245]
我々は、自己情報理論を用いて、トレーニングとテストモデルの値を生成することを提案する。提案手法は偽陽性率(FPR)の8.7倍,テスト時間が1.77倍,フットプリントが4.88倍である。
論文参考訳（メタデータ） (2024-06-24T07:23:52Z)
Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文参考訳（メタデータ） (2024-05-01T12:03:39Z)
Semi-Supervised and Long-Tailed Object Detection with CascadeMatch [91.86787064083012]
そこで我々はCascadeMatchと呼ばれる新しい擬似ラベル型検出器を提案する。我々の検出器は、プログレッシブな信頼しきい値を持つ多段検出ヘッドを備えたカスケードネットワークアーキテクチャを備えている。 CascadeMatchは、長い尾のオブジェクト検出の処理において、既存の最先端の半教師付きアプローチを超越していることを示す。
論文参考訳（メタデータ） (2023-05-24T07:09:25Z)
DTAAD: Dual Tcn-Attention Networks for Anomaly Detection in Multivariate Time Series Data [0.0]
本稿では,Transformer と Dual Temporal Convolutional Network (TCN) に基づく異常検出・診断モデル DTAAD を提案する。予測精度の向上と相関性の向上のために,スケーリング手法とフィードバック機構を導入している。 7つの公開データセットに対する実験により、DTAADは検出および診断性能の両面で現在最先端のベースライン法の大部分を超えていることが確認された。
論文参考訳（メタデータ） (2023-02-17T06:59:45Z)
DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文参考訳（メタデータ） (2021-09-08T14:07:55Z)
Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文参考訳（メタデータ） (2021-07-28T10:19:58Z)
Detecting Faults during Automatic Screwdriving: A Dataset and Use Case of Anomaly Detection for Automatic Screwdriving [80.6725125503521]
障害検出に機械学習(ML)を使用したデータ駆動型アプローチが最近注目されている。本稿では,自動スクリュー運転時の故障検出にMLモデルを用いた場合について述べる。
論文参考訳（メタデータ） (2021-07-05T11:46:00Z)

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。