論文の概要: A cross-process welding penetration status prediction algorithm based on unsupervised domain adaptation in laser and TIG welding

• arxiv url: http://arxiv.org/abs/2606.26078v1
• Date: Wed, 24 Jun 2026 17:52:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.418705
• Title: A cross-process welding penetration status prediction algorithm based on unsupervised domain adaptation in laser and TIG welding
• Title（参考訳）: レーザおよびTIG溶接における教師なし領域適応に基づくクロスプロセス溶接浸透状態予測アルゴリズム
• Abstract要約: 改良された深層学習は溶接浸透状態の分類に広く用いられている。 本稿では、段階的なドメイン拡張戦略と統合された教師なしのドメイン適応フレームワークを提案する。 提案手法は, 同一プロセスとクロスプロセスの両方の転送タスクにおいて高い精度を実現する。
• 参考スコア（独自算出の注目度）: 5.363800671164204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Supervised deep learning has been widely used for weld penetration state classification; however, its performance often degrades significantly under domain shift, such as when transferring models between welding processes with distinct physical mechanisms:for instance, from arc-dominated tungsten inert gas (TIG) welding to keyhole-based laser welding. To overcome this limitation, we propose an unsupervised domain adaptation (UDA) framework integrated with a gradual source domain expansion (GSDE) strategy. Evaluated on dedicated TIG and laser welding datasets, our approach achieves high accuracy in both same-process and cross-process transfer tasks. Specifically, it attains average accuracies of 90.65% on TIGFH and 90.72% on LSPS in same-process settings, surpassing a supervised baseline by 35.83% and 38.87%, respectively. More notably, in cross-process scenarios, it reaches 80.48% for TIG to Laser and 81.13% for Laser to TIG, improving upon the baseline by 43.39% and 43.40%. UMAP visualizations verify that the model learns domain-invariant features while maintaining discriminative class boundaries. This method considerably lowers the relabeling cost for new welding processes and enhances the versatility of intelligent monitoring across different welding systems.
• Abstract（参考訳）: 改良された深層学習は、溶接状態の分類に広く用いられているが、その性能は、異なる物理機構を持つ溶接プロセス間のモデル転送(例えば、アーク支配タングステン不活性ガス(TIG)溶接からキーホールベースのレーザー溶接まで)において、ドメインシフト下で著しく低下することが多い。 この制限を克服するために、段階的ソースドメイン拡張(GSDE)戦略と統合された教師なしドメイン適応(UDA)フレームワークを提案する。 本手法は,専用TIGおよびレーザ溶接データセットに基づいて,同一プロセスおよびクロスプロセスのトランスファータスクにおいて高い精度を実現する。 具体的には、TIGFHが90.65%、LSPSが90.72%、それぞれ監督基準線が35.83%、38.87%を超えている。 さらに、プロセス横断のシナリオでは、TIGからレーザーへの80.48%、レーザーからTIGへの81.13%に達し、ベースラインが43.39%、43.40%向上した。 UMAPビジュアライゼーションは、識別クラス境界を維持しながら、モデルがドメイン不変の特徴を学習することを検証する。 この方法により, 溶接工程の長期化コストを大幅に低減し, 各種溶接システムにおけるインテリジェントモニタリングの汎用性を高めることができる。

関連論文リスト

• A multi-task spatiotemporal deep neural network for predicting penetration depth and morphology in laser welding [5.363800671164204]
  本稿では, 浸透状態, 深度, 海水形態を高精度に予測できる革新的な深層学習モデルを提案する。 監視プラットフォームは、レーザ溶接プロセス中に捕獲された溶接画像に依存している。 貫入状態の予測精度は99.35%に達し、貫入深さの予測誤差は1.79mmである。
  論文  参考訳（メタデータ） (2026-06-24T18:02:53Z)
• SepSeq: A Training-Free Framework for Long Numerical Sequence Processing in LLMs [51.84813231879529]
  本稿では,セパレータトークンを戦略的に挿入することで分散を緩和する学習自由なプラグアンドプレイフレームワークを提案する。 メカニカルには、セパレータトークンが注目シンクとして機能し、グローバルなコンテキストを維持しながら、局所的なセグメントに注意を向けることが示される。
  論文  参考訳（メタデータ） (2026-04-09T02:40:34Z)
• Multi-Agent Reinforcement Learning for Sample-Efficient Deep Neural Network Mapping [54.65536245955678]
  本稿では,サンプル非効率性の課題を克服するために,分散型マルチエージェント強化学習(MARL)フレームワークを提案する。 相関解析に基づいて類似のマッピングパラメータを同一エージェントに割り当てるエージェントクラスタリングアルゴリズムを提案する。 実験の結果,MARL法は標準単エージェントRLよりも30～300倍効率が向上した。
  論文  参考訳（メタデータ） (2025-07-22T05:51:07Z)
• Fast and Accurate Gigapixel Pathological Image Classification with Hierarchical Distillation Multi-Instance Learning [51.525891360380285]
  HDMILは階層的な蒸留マルチインスタンス学習フレームワークであり、無関係なパッチを排除して高速かつ正確な分類を実現する。 HDMILは、動的マルチインスタンスネットワーク(DMIN)と軽量インスタンスプレスクリーンネットワーク(LIPN)の2つの重要なコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2025-02-28T15:10:07Z)
• A Reinforcement Learning-Based Task Mapping Method to Improve the Reliability of Clustered Manycores [0.0]
  本稿では,マルチコアシステムの信頼性向上を目的とした強化学習(RL)に基づくタスクマッピング手法を提案する。 この方法は、binパッキング、Task-to-binマッピング、Task-to-coreマッピングを含む3つのステップから構成される。 提案手法の有効性をSPLASH2およびPARSECベンチマークスイートアプリケーションを用いて16,32,64コアシステムで評価した。
  論文  参考訳（メタデータ） (2024-12-26T20:08:10Z)
• GAQAT: gradient-adaptive quantization-aware training for domain generalization [54.31450550793485]
  そこで本研究では,DGのためのGAQAT(Gradient-Adaptive Quantization-Aware Training)フレームワークを提案する。 我々のアプローチは、低精度量子化におけるスケール・グラディエント・コンフリクト問題を特定することから始まる。 GAQATフレームワークの有効性を実験により検証した。
  論文  参考訳（メタデータ） (2024-12-07T06:07:21Z)
• Investigating the ability of deep learning to predict Welding Depth and Pore Volume in Hairpin Welding [0.0]
  本研究では,2つの臨界溶接部のキー性能特性(KPC)の予測を可能にする深層学習モデルを提案する。 DLネットワークを小さな数値実験ヘアピン溶接データセットに適用すると,有望な結果が得られた。
  論文  参考訳（メタデータ） (2023-12-04T03:38:17Z)
• WeldMon: A Cost-effective Ultrasonic Welding Machine Condition Monitoring System [8.535558551912105]
  WeldMonは安価な超音波溶接機条件監視システムである。 分類アルゴリズムは自動生成機能と手作り機能を組み合わせて,優れたクロスバリデーション精度を実現する。 すべてのアルゴリズムはローカルで動作し、溶接サイクルごとにデータを処理するのに385ミリ秒しか必要としない。
  論文  参考訳（メタデータ） (2023-08-05T00:30:20Z)
• Classification of Spot-welded Joints in Laser Thermography Data using Convolutional Neural Networks [52.661521064098416]
  レーザサーモグラフィーデータから得られた画像を用いてスポット溶接の品質検査を行う手法を提案する。 我々は畳み込みニューラルネットワークを用いて溶接品質を分類し、異なるモデルの性能を互いに比較する。
  論文  参考訳（メタデータ） (2020-10-24T20:38:12Z)
• ALF: Autoencoder-based Low-rank Filter-sharing for Efficient Convolutional Neural Networks [63.91384986073851]
  オートエンコーダを用いた低ランクフィルタ共有技術(ALF)を提案する。 ALFは、ネットワークパラメータの70%、オペレーションの61%、実行時間の41%を削減し、精度の低下を最小限にしている。
  論文  参考訳（メタデータ） (2020-07-27T09:01:22Z)

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。