論文の概要: Reconstructing Unobservable Temperature Fields via Simulation-Aided Intelligent Sensing

• arxiv url: http://arxiv.org/abs/2606.04582v1
• Date: Wed, 03 Jun 2026 08:16:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.626476
• Title: Reconstructing Unobservable Temperature Fields via Simulation-Aided Intelligent Sensing
• Title（参考訳）: シミュレーション支援知能センシングによる観測不能温度場の再構成
• Authors: Monika Stipsitz, Hèlios Sanchis-Alepuz, Jacob Reynvaan, Silvester Sabathiel,
• Abstract要約: 本稿では, ランダム化物理シミュレーションに基づく産業応用のためのデータセット生成手法を提案する。 このような合成データセットのみに基づいてトレーニングされたニューラルネットワーク(NN)を用いて、ハードウェアに埋め込まれたスパースセンサーから内部温度場を再構築する。 NNベースの再構築は、Krigingを堅牢性で上回るだけでなく、リアルタイムな推論を可能にし、他の観測不可能な熱状態のオンラインモニタリングに適している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-time monitoring of the temperature distribution within components and sub-structures is a challenging topic in many systems due to restrictions on feasible sensor locations. While machine learning (ML) proves a versatile tool in many applications, its adoption for high-resolution thermal monitoring is hindered by the availability of high-quality datasets for training. In this work, we propose a novel approach for generating datasets for industrial applications based on randomized physics-based simulations. We demonstrate the approach in a proof-of-concept hardware setup: A neural network (NN) trained only on such a synthetic dataset, is used to reconstruct the internal temperature field from sparse sensors embedded in the hardware. The NN-based reconstructions do not only outperform Kriging in robustness but also enable real-time inference, making the method suitable for online monitoring of otherwise unobservable thermal states.
• Abstract（参考訳）: コンポーネントやサブ構造内の温度分布のリアルタイムモニタリングは、現実的なセンサ位置の制限のため、多くのシステムにおいて難しいトピックである。 機械学習(ML)は、多くのアプリケーションで汎用的なツールであることが証明されているが、高解像度の熱モニタリングへの採用は、トレーニングのための高品質なデータセットの可用性によって妨げられている。 本研究では, ランダム化物理シミュレーションに基づく産業応用のためのデータセット生成手法を提案する。 このような合成データセットのみに基づいてトレーニングされたニューラルネットワーク(NN)は、ハードウェアに埋め込まれたスパースセンサーから内部温度場を再構築するために使用される。 NNベースの再構築は、Krigingを堅牢性で上回るだけでなく、リアルタイムな推論を可能にし、他の観測不可能な熱状態のオンラインモニタリングに適している。

関連論文リスト

• Learning to Reconstruct Temperature Field from Sparse Observations with Implicit Physics Priors [22.013633764284936]
  温度場における測定の高コスト化と相当な分布変化は、再構成モデルの開発に挑戦する。 暗黙的な物理誘導型温度場再構成フレームワークであるIPTRを提案する。 我々はIPTRが既存の手法を一貫して上回り、最先端の再構築精度と強力な一般化能力を実現していることを示す。
  論文  参考訳（メタデータ） (2025-12-01T02:22:30Z)
• A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures [73.65190161312555]
  ARCANAは、混合信号ニューロモルフィック回路の特性を考慮に入れたソフトウェアスパイクニューラルネットワークシミュレータである。 得られた結果が,ソフトウェアでトレーニングされたスパイクニューラルネットワークの動作を,かつてハードウェアにデプロイされた場合の信頼性の高い推定方法を示す。
  論文  参考訳（メタデータ） (2024-09-23T11:16:46Z)
• Data Quality Monitoring for the Hadron Calorimeters Using Transfer Learning for Anomaly Detection [0.7767589715518638]
  トランスファーラーニング(TL)メカニズムは、新しいタスクに事前訓練されたモデルを利用することで、データのスパーシリティとモデルの複雑さを軽減することを約束する。 畳み込み,グラフ,リカレントニューラルネットワークを組み込んだハイブリッドオートエンコーダアーキテクチャを用いて,高次元ST ADにおけるTLの可能性を示す。 本研究では,CERNにおけるコンパクト・ムーン・ソレノイド実験のキャロリメータの異なる部位で訓練されたモデルの伝達性について検討した。
  論文  参考訳（メタデータ） (2024-08-29T15:19:06Z)
• Graph Neural Networks for Virtual Sensing in Complex Systems: Addressing Heterogeneous Temporal Dynamics [8.715570103753697]
  複雑なシステムの信頼性と効率的な運用にはリアルタイム状態監視が不可欠である。 仮想センシングは、利用可能なセンサデータとシステム知識を活用することで制限に対処する。 異種時間グラフニューラルネットワーク(HTGNN)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-26T12:16:53Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Evaluating Short-Term Forecasting of Multiple Time Series in IoT Environments [67.24598072875744]
  IoT(Internet of Things)環境は、多数のIoT対応センシングデバイスを介して監視される。 この問題を緩和するため、センサーは比較的低いサンプリング周波数で動作するように設定されることが多い。 これは、予測などの後続の意思決定を劇的に妨げる可能性がある。
  論文  参考訳（メタデータ） (2022-06-15T19:46:59Z)
• Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning [64.92447072894055]
  赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。 既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。 KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
  論文  参考訳（メタデータ） (2021-10-07T02:28:18Z)
• Learning to Continuously Optimize Wireless Resource In Episodically Dynamic Environment [55.91291559442884]
  この研究は、データ駆動型手法が動的環境で継続的に学習し、最適化できる方法論を開発する。 本稿では,無線システム学習のモデリングプロセスに連続学習の概念を構築することを提案する。 我々の設計は、異なるデータサンプル間で「一定の公正性を保証する」新しいmin-maxの定式化に基づいている。
  論文  参考訳（メタデータ） (2020-11-16T08:24:34Z)

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。