論文の概要: Explainable Condition Monitoring via Probabilistic Anomaly Detection Applied to Helicopter Transmissions

• arxiv url: http://arxiv.org/abs/2603.08130v1
• Date: Mon, 09 Mar 2026 09:09:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.725049
• Title: Explainable Condition Monitoring via Probabilistic Anomaly Detection Applied to Helicopter Transmissions
• Title（参考訳）: ヘリコプター・トランスミッションに応用した確率的異常検出による説明可能な条件モニタリング
• Authors: Aurelio Raffa Ugolini, Jessica Leoni, Valentina Breschi, Damiano Paniccia, Francesco Aldo Tucci, Luigi Capone, Mara Tanelli,
• Abstract要約: 本稿では,健康なデータのみに頼って,条件モニタリングのための新しい説明可能な方法論を提案する。 障害は稀な出来事であるため、健康な観測のみの確率分布の学習に焦点をあて、実行時に異常を検出することを提案する。
• 参考スコア（独自算出の注目度）: 6.310022806617579
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a novel Explainable methodology for Condition Monitoring, relying on healthy data only. Since faults are rare events, we propose to focus on learning the probability distribution of healthy observations only, and detect Anomalies at runtime. This objective is achieved via the definition of probabilistic measures of deviation from nominality, which allow to detect and anticipate faults. The Bayesian perspective underpinning our approach allows us to perform Uncertainty Quantification to inform decisions. At the same time, we provide descriptive tools to enhance the interpretability of the results, supporting the deployment of the proposed strategy also in safety-critical applications. The methodology is validated experimentally on two use cases: a publicly available benchmark for Predictive Maintenance, and a real-world Helicopter Transmission dataset collected over multiple years. In both applications, the method achieves competitive detection performance with respect to state-of-the-art anomaly detection methods.
• Abstract（参考訳）: 本稿では、健康なデータのみに頼って、条件モニタリングのための新しい説明可能な方法論を提案する。 障害は稀な出来事であるため、健康な観測のみの確率分布の学習に焦点をあて、実行時に異常を検出することを提案する。 この目的は、障害の検出と予測を可能にする名目から逸脱する確率的尺度の定義によって達成される。 このアプローチの根底にあるベイズ的視点は、不確実な定量化を実行して意思決定を知らせることを可能にする。 同時に、我々は結果の解釈可能性を高めるための記述ツールを提供し、安全クリティカルなアプリケーションにも提案された戦略の展開をサポートする。 この手法は、予測保守のための公開ベンチマークと、数年にわたって収集された実世界のヘリコプタートランスミッションデータセットの2つのユースケースで実験的に検証されている。 どちらのアプリケーションでも、最先端の異常検出方法に対する競合検出性能が達成される。

関連論文リスト

• Conformal Prediction for Multi-Source Detection on a Network [59.17729745907474]
  マルチソース検出問題について検討する。 グラフ上のノード感染状況のスナップショットが与えられた場合、伝播を開始するソースノードのセットを推定する。 本稿では,ソースセット検出のための統計的に有効なリコール保証を提供する新しいコンフォメーション予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-12T01:09:56Z)
• Falsification of Unconfoundedness by Testing Independence of Causal Mechanisms [0.6906005491572399]
  本研究では,観測データを用いた設定において,未測定の共起の仮定をfalsifyするアルゴリズムを提案する。 提案手法は, 未測定の凹凸が観察因果機構に依存性を生じさせる可能性を秘めている。 本手法は,シミュレーションデータと半合成データの両方の共振を効率よく検出できることを示す。
  論文  参考訳（メタデータ） (2025-02-10T08:05:44Z)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• Conformal Counterfactual Inference under Hidden Confounding [19.190396053530417]
  反ファクトの世界における潜在的な結果の予測と不確実性は、因果推論における因果的問題を引き起こす。 反事実に対する信頼区間を構成する既存の方法は、強い無知の仮定に依存する。 提案手法は, 限界収束保証付き実測結果に対する信頼区間を提供するトランスダクティブ重み付き共形予測に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-20T21:43:43Z)
• Condition Monitoring with Incomplete Data: An Integrated Variational Autoencoder and Distance Metric Framework [2.7898966850590625]
  本稿では,未確認データに対する故障検出と条件モニタリングのための新しい手法を提案する。 我々は変分オートエンコーダを用いて、以前に見られた新しい未知条件の確率分布をキャプチャする。 故障は、健康指標のしきい値を確立することで検出され、そのモデルが重大で見えない断層を高い精度で識別することができる。
  論文  参考訳（メタデータ） (2024-04-08T22:20:23Z)
• Certified Human Trajectory Prediction [66.1736456453465]
  本稿では,ロバスト性を保証する軌道予測に適した認証手法を提案する。 そこで本研究では, 拡散型トラジェクトリデノイザを提案し, 本手法に組み込むことにより, 性能低下を緩和する。 認定された予測器の精度と堅牢性を実証し、認定されていない予測器に対するそれらの優位性を強調する。
  論文  参考訳（メタデータ） (2024-03-20T17:41:35Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• Learning Uncertainty For Safety-Oriented Semantic Segmentation In Autonomous Driving [77.39239190539871]
  自律運転における安全クリティカル画像セグメンテーションを実現するために、不確実性推定をどのように活用できるかを示す。 相似性関数によって測定された不一致予測に基づく新しい不確実性尺度を導入する。 本研究では,提案手法が競合手法よりも推論時間において計算集約性が低いことを示す。
  論文  参考訳（メタデータ） (2021-05-28T09:23:05Z)

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。