論文の概要: Identifying Explicit Parsimonious Piece-wise Polynomial Relationships in Industrial time-series: Application to manipulator robots

• arxiv url: http://arxiv.org/abs/2605.28320v1
• Date: Wed, 27 May 2026 11:23:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.999207
• Title: Identifying Explicit Parsimonious Piece-wise Polynomial Relationships in Industrial time-series: Application to manipulator robots
• Title（参考訳）: 産業時系列における異種相似多言語関係の特定:マニピュレータロボットへの応用
• Authors: Mazen Alamir, Sacha Clavel,
• Abstract要約: 本稿では,最近提案された擬似的暗黙の関係性を示す同定手法を活用する。 この枠組みは,6軸マニピュレータロボットの逆モデルの擬似的明示的表現を識別する問題について説明する。
• 参考スコア（独自算出の注目度）: 0.7448254811651419
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper addresses the problem of identifying parsimonious explicit piece-wise polynomial relationships that might involve a relatively large number of raw features. The algorithm leverages a recently proposed identification algorithm that yields parsimonious implicit relationships enabling to derive normality characterization in the context of anomaly detection and localization. The algorithm proposed in this paper goes a step further by deriving explicit piece-wise representations that are built using the set of polynomials involved in the implicit representations. The framework is illustrated on the problem of identifying parsimonious explicit representations of the inverse model of a 6-axis manipulator robot. Moreover, further experiments on a 4-axis robot are also shown which are designed to investigate the generalization capability of parsimonious models compared to state-of-the-art DNNs structures, when models face unseen contexts of use.
• Abstract（参考訳）: 本稿では, 比較的多数の原特徴を含むような, 擬似的明示的な部分的多項式関係を同定する問題に対処する。 このアルゴリズムは、最近提案された同定アルゴリズムを利用して、異常検出と局所化の文脈における正規性特徴を導出できる擬似的暗黙関係を生成する。 この論文で提案するアルゴリズムは、暗黙の表現に関与する多項式の集合を用いて構築された明示的な断片表現を導出することによりさらに一歩進む。 この枠組みは,6軸マニピュレータロボットの逆モデルの擬似的明示的表現を識別する問題について説明する。 さらに,4軸ロボットのさらなる実験を行い,現在最先端のDNN構造と比較して,モデルが使用状況に見当たらない場合と比較して,同種のモデルの一般化能力について検討した。

関連論文リスト

• Addressing pitfalls in implicit unobserved confounding synthesis using explicit block hierarchical ancestral sampling [1.7037247867649157]
  現状のプロトコルには、因果モデルの完全な空間からのアンバイアスサンプリングを妨げる2つの異なる問題があることを示す。 本研究では, ブロック階層的な基底真理因果グラフの生成を生かした, 観測不能な共起に対する明示的モデリング手法を提案する。
  論文  参考訳（メタデータ） (2025-03-12T09:38:40Z)
• On the Complexity of Identification in Linear Structural Causal Models [3.44747819522562]
  空間内で動作するジェネリック識別のための,新しい音響および完全アルゴリズムを提案する。 また,同定が一般に困難であることを示す。
  論文  参考訳（メタデータ） (2024-07-17T13:11:26Z)
• Invariant Causal Set Covering Machines [48.169632766444906]
  決定木のようなルールベースのモデルは、解釈可能な性質のために実践者にアピールする。 しかし、そのようなモデルを生成する学習アルゴリズムは、しばしば刺激的な関連に弱いため、因果関係の洞察を抽出することが保証されていない。 Invariant Causal Set Covering Machines は、古典的集合被覆マシンアルゴリズムの拡張であり、二値ルールの結合/分離を可能とし、スプリアス関係を確実に回避する。
  論文  参考訳（メタデータ） (2023-06-07T20:52:01Z)
• Partial Counterfactual Identification from Observational and Experimental Data [83.798237968683]
  観測データと実験データの任意の組み合わせから最適境界を近似する有効なモンテカルロアルゴリズムを開発した。 我々のアルゴリズムは、合成および実世界のデータセットに基づいて広範囲に検証されている。
  論文  参考訳（メタデータ） (2021-10-12T02:21:30Z)
• Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
  結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。 新規な構造化融合正規化に基づく一般グラフ推定器を提案する。 提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
  論文  参考訳（メタデータ） (2021-03-05T04:42:32Z)

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。