論文の概要: Bifurcated Remaining Useful Life Prediction: A Hybrid Approach for Realistic Uncertainty Characterization

• arxiv url: http://arxiv.org/abs/2605.31241v1
• Date: Fri, 29 May 2026 12:42:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.606839
• Title: Bifurcated Remaining Useful Life Prediction: A Hybrid Approach for Realistic Uncertainty Characterization
• Title（参考訳）: Bifurcated Remaining Useful Life Prediction: A Hybrid Approach for Realistic Uncertainty Properties (特集:バイオサイバネティックスとバイオサイバネティックス)
• Abstract要約: この枠組みは、エンジンの運用寿命を「健康」と「劣化」の体制に二分する国家認識戦略を採用している。 この枠組みの最大の強みは、物理的に一貫した不確実帯の生成であり、寿命の終わり近くで高信頼な予測をもたらす。
• 参考スコア（独自算出の注目度）: 1.679937788852769
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This study presents a novel hybrid prognostic framework for uncertainty-aware Remaining Useful Life (RUL) estimation in turbofan engines using the NASA C-MAPSS dataset. The framework employs a state-aware strategy that bifurcates the engines operational lifespan into "healthy" and "degraded" regimes. An LSTM-based autoencoder, trained strictly on nominal data (RUL > 150 cycles), monitors reconstruction error to act as a robust state classifier. For the healthy regime, a Conditional Weibull Survival Analysis is used for Mean Residual Life estimation. For the degraded regime, a Probabilistic Neural Network with Monte Carlo Dropout captures both aleatoric and epistemic uncertainties. Rather than using rigid binary labels, a calibrated sigmoid function converts the autoencoders output into continuous state probabilities, dynamically weighting the final ensemble prediction. The primary strength of this framework is its generation of physically consistent uncertainty bands, yielding high-confidence predictions near end-of-life while accurately reflecting the inherent variance of early operation, providing a robust tool for risk-informed maintenance.
• Abstract（参考訳）: 本研究では,NASAのC-MAPSSデータセットを用いたターボファンエンジンにおける不確実性を考慮した残留実用寿命(RUL)推定のための新しいハイブリッド予測フレームワークを提案する。 この枠組みは、エンジンの運用寿命を「健康」と「劣化」の体制に二分する国家認識戦略を採用している。 LSTMベースのオートエンコーダは、名目データ(RUL > 150サイクル)を厳格に訓練し、復元エラーを監視し、堅牢な状態分類器として機能する。 健康状態においては,平均余命推定に条件付きワイブル生存分析を用いる。 劣化した体制では、モンテカルロ・ドロップアウトを持つ確率論的ニューラルネットワークは、放線菌とてんかんの不確実性の両方を捕捉する。 厳密なバイナリラベルを使用する代わりに、キャリブレーションされたシグモイド関数は、出力されたオートエンコーダを連続状態確率に変換し、最終的なアンサンブル予測を動的に重み付けする。 このフレームワークの最大の強みは、物理的に一貫した不確実性帯の生成であり、生命の終末付近で高い信頼度を予測できると同時に、初期動作の固有の分散を正確に反映し、リスク情報による保守のための堅牢なツールを提供する。

関連論文リスト

• SurvCF(t): Counterfactual Explanations for Survival Analysis in Predictive Maintenance Multivariate Time Series Data [5.77414732529171]
  textitSurvCF(t)は,時系列データ上で動作している生存モデルに対して,対実的な説明を生成するための最初のフレームワークである。 textitSurvCF(t)は、予測寿命を増加させる、資産の運用履歴に対する最小限、可塑性、時間的に一貫した変更を識別する。 以上の結果から, textitSurvCF(t) は生存予測と規範的メンテナンスのギャップを埋め, メンテナンス戦略における説明可能な, 決定指向のAIを実現する。
  論文  参考訳（メタデータ） (2026-07-18T21:06:46Z)
• Uncertainty Aware Functional Behavior Prediction and Material Fatigue Assessment for Circular Factory [0.28106259549258145]
  将来の機能フルフィルメントとコンポーネントの整合性は次のサービスシナリオで異なる進化を遂げる可能性があるため、現在の検査だけで再利用は決定できない。 既存のPHMアプローチは劣化予測をサポートするが、しばしば固定された動作条件や孤立したコンポーネントベンチマークをターゲットにしている。 本稿では、不確実性を考慮した機能予測と、インスタンス固有の信頼性ワークフローにおけるコンポーネントレベルの疲労評価を組み合わせることで、このギャップに対処する。
  論文  参考訳（メタデータ） (2026-06-03T18:23:30Z)
• Aligning Data-Driven Predictors with Allocation: A Decision-Focused Approach to Survival Analysis [52.10284705210197]
  機械学習予測器は、アロケーションに使用する場合、任意に貧弱な結果が得られることを示す。 正規化割引累積ゲイン(NDCG)の最適化に基づく意思決定型学習手法を提案する。 既存の生存モデルのNDCGを最適化するためのブートストラップ手法を提案する。
  論文  参考訳（メタデータ） (2026-06-01T12:03:22Z)
• Conformal Reliability: A New Evaluation Metric for Conditional Generation [62.761166941396844]
  条件付き生成モデルは、近年、様々な応用において顕著な成功を収めている。 本稿では,信頼度を事前に設定した予測値に基づいて,信頼度という新たな評価指標を提案する。 本稿では, 予測セットの構築と, (ii) 構築した予測セット内の信頼性スコアを正確に最適化するフレームワークであるConformal Reliability(CReL)を紹介する。
  論文  参考訳（メタデータ） (2026-05-29T03:52:44Z)
• Embracing Heteroscedasticity for Probabilistic Time Series Forecasting [22.43559255963294]
  Location-Scale Gaussian VAE (LSG-VAE) は、予測平均と時間依存分散の両方を明示的にパラメータ化する、単純だが効果的なフレームワークである。 LSG-VAEは、リアルタイムデプロイメントに適した高い計算効率を維持しながら、15の強力な生成ベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-03-25T12:48:50Z)
• Beyond the Mean: Distribution-Aware Loss Functions for Bimodal Regression [13.50774354486614]
  正規化RMSEとワッサースタイン距離とクラメール距離を組み合わせた分布認識損失関数のファミリーを提案する。 我々のフレームワークは、信頼性と堅牢性の両方においてMDNを厳格に支配し、信頼できるAIシステムにおけるアレタリック不確実性推定のための信頼性の高いツールを提供する。
  論文  参考訳（メタデータ） (2026-03-20T18:37:05Z)
• GTS: Inference-Time Scaling of Latent Reasoning with a Learnable Gaussian Thought Sampler [54.10960908347221]
  我々は、学習可能な密度から条件付きサンプリングとして潜在思考探索をモデル化し、このアイデアをガウス思想サンプリング(GTS)としてインスタンス化する。 GTSは、連続的推論状態における文脈依存摂動分布を予測し、バックボーンを凍結させながらGRPOスタイルのポリシー最適化を訓練する。
  論文  参考訳（メタデータ） (2026-02-15T09:57:47Z)
• Robust Probabilistic Load Forecasting for a Single Household: A Comparative Study from SARIMA to Transformers on the REFIT Dataset [0.0]
  本稿では,揮発性REFIT家庭データセットを用いた課題に取り組む。 まず、季節計算法を選択するための厳密な比較実験を行うことで、この問題に対処する。 そして、古典的なベースラインから機械学習へと進化するモデル階層を体系的に評価する。 我々の研究結果によると、古典的なモデルはデータの非線形でシステマティックな振る舞いを捉えるのに失敗している。
  論文  参考訳（メタデータ） (2025-11-30T12:05:18Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• BACE-RUL: A Bi-directional Adversarial Network with Covariate Encoding for Machine Remaining Useful Life Prediction [35.78166369270404]
  本稿では,RUL予測のための双方向適応・健康管理(PHM)フレームワークを提案する。 提案モデルは一般的なフレームワークであり、最先端の手法より優れている。 ターボファン航空機エンジンのデータセットを含む実世界のいくつかのデータセットの実験は、提案モデルが一般的なフレームワークであり、最先端の手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2025-03-14T08:56:40Z)
• Lightweight, Uncertainty-Aware Conformalized Visual Odometry [2.429910016019183]
  データ駆動型ビジュアルオドメトリー(VO)は、自律エッジロボティクスにとって重要なサブルーチンである。 昆虫スケールドローンや外科ロボットのような最先端ロボットデバイスは、VOの予測の不確実性を推定する計算的に効率的な枠組みを欠いている。 本稿では,共形推論(CI)を利用してVOの不確実な帯域を抽出する,新しい,軽量で統計的に堅牢なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-03T20:37:55Z)
• Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
  ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。 本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
  論文  参考訳（メタデータ） (2021-05-17T08:36:18Z)
• Evaluating probabilistic classifiers: Reliability diagrams and score decompositions revisited [68.8204255655161]
  確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。 コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
  論文  参考訳（メタデータ） (2020-08-07T08:22:26Z)

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。