論文の概要: GO-OSC and VASH: Geometry-Aware Representation Learning for Early Degradation Detection in Oscillatory Systems

• arxiv url: http://arxiv.org/abs/2601.17396v1
• Date: Sat, 24 Jan 2026 09:35:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:07.711636
• Title: GO-OSC and VASH: Geometry-Aware Representation Learning for Early Degradation Detection in Oscillatory Systems
• Title（参考訳）: GO-OSCとVASH:振動系の早期劣化検出のための幾何認識表現学習
• Authors: Vashista Nobaub,
• Abstract要約: 本稿では,振動時系列の幾何学的表現学習フレームワークGO-OSCを紹介する。 初期位相のみの劣化下では、エネルギーベースの統計は1次検出能力がゼロであるのに対し、幾何プローブは厳密に正の感度を得る。 解析では, 線形探索が不特定表現の下でいつ, なぜ失敗するのかを特徴付けるとともに, 正準化が統計的検出性を回復することを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Early-stage degradation in oscillatory systems often manifests as geometric distortions of the dynamics, such as phase jitter, frequency drift, or loss of coherence, long before changes in signal energy are detectable. In this regime, classical energy-based diagnostics and unconstrained learned representations are structurally insensitive, leading to delayed or unstable detection. We introduce GO-OSC, a geometry-aware representation learning framework for oscillatory time series that enforces a canonical and identifiable latent parameterization, enabling stable comparison and aggregation across short, unlabeled windows. Building on this representation, we define a family of invariant linear geometric probes that target degradation-relevant directions in latent space. We provide theoretical results showing that under early phase-only degradation, energy-based statistics have zero first-order detection power, whereas geometric probes achieve strictly positive sensitivity. Our analysis characterizes when and why linear probing fails under non-identifiable representations and shows how canonicalization restores statistical detectability. Experiments on synthetic benchmarks and real vibration datasets validate the theory, demonstrating earlier detection, improved data efficiency, and robustness to operating condition changes.
• Abstract（参考訳）: 振動系の初期の劣化は、位相ジッタ、周波数ドリフト、コヒーレンス喪失などの力学の幾何学的歪みとして現れ、信号エネルギーの変化が検出されるずっと前に現れる。 この体制では、古典的なエネルギーに基づく診断と、制約のない学習された表現は構造的に非感受性であり、遅延または不安定な検出をもたらす。 GO-OSCは、振動時系列の幾何学的表現学習フレームワークであり、標準的で識別可能な潜在パラメータ化を強制し、短いラベルのないウィンドウをまたいで安定した比較と集約を可能にする。 この表現に基づいて、潜時空間における分解関連方向を目標とする不変線型幾何プローブの族を定義する。 本研究では, 初期位相のみの劣化下では, エネルギーベース統計は1次検出能力がゼロであるのに対して, 幾何プローブは正の感度を厳密に達成していることを示す。 解析では, 線形探索が不特定表現の下でいつ, なぜ失敗するのかを特徴付けるとともに, 正準化が統計的検出性を回復することを示す。 合成ベンチマークと実際の振動データセットの実験は、この理論を検証し、早期検出、データ効率の改善、および運転条件の変更に対する堅牢性を実証した。

関連論文リスト

• DefVINS: Visual-Inertial Odometry for Deformable Scenes [14.028399155214068]
  変形可能なシーンは、視覚-慣性オードメトリーの根底にある剛性仮定に反する。 我々は,厳密なIMUアンコール状態と非剛性ワープを分離する視覚慣性オドメトリーフレームワークであるDefVINSを紹介する。
  論文  参考訳（メタデータ） (2026-01-02T14:40:33Z)
• Flexible Gravitational-Wave Parameter Estimation with Transformers [73.44614054040267]
  本稿では,予測時間における多様な解析設定への適応を可能にする,フレキシブルトランスフォーマーベースのアーキテクチャをトレーニング戦略と組み合わせて導入する。 我々は、Dingo-T1と呼ばれる単一のフレキシブルモデルが、第3のLIGO-Virgo-KAGRA観測ランから48の重力波イベントを解析できることを実証した。
  論文  参考訳（メタデータ） (2025-12-02T17:49:08Z)
• An Efficient Anomaly Detection Framework for Wireless Sensor Networks Using Markov Process [2.5777932046298786]
  1次マルコフ連鎖モデルに基づく軽量かつ解釈可能な異常検出フレームワークが提案されている。 提案したフレームワークは、Intel Berkeley Research Labデータセットを使用して検証された。
  論文  参考訳（メタデータ） (2025-11-01T10:19:00Z)
• Randomized Space-Time Sampling for Affine Graph Dynamical Systems [3.8379346559198235]
  我々は、初期状態とソース項の両方が帯域制限されたグラフ上の線形力学系に従って時間とともに進化する信号を考える。 2つのランダムな時空サンプリング方式を導入し、安定回復が可能な条件を解析する。
  論文  参考訳（メタデータ） (2025-09-20T21:43:05Z)
• Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
  動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。 時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。 STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-03-14T02:26:10Z)
• Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
  通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。 理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。 本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
  論文  参考訳（メタデータ） (2022-10-12T06:46:38Z)
• A Priori Denoising Strategies for Sparse Identification of Nonlinear Dynamical Systems: A Comparative Study [68.8204255655161]
  本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。 一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-01-29T23:31:25Z)
• Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint modeling [69.35569554213679]
  解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。 この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。 本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:17:26Z)

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。