論文の概要: CruiseBench: A Real-Flight-Aligned N-CMAPSS Benchmark for Engine RUL Prediction

• arxiv url: http://arxiv.org/abs/2607.19380v1
• Date: Wed, 01 Jul 2026 04:31:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.143231
• Title: CruiseBench: A Real-Flight-Aligned N-CMAPSS Benchmark for Engine RUL Prediction
• Title（参考訳）: CruiseBench: エンジンRUL予測のためのリアルタイムなN-CMAPSSベンチマーク
• Abstract要約: RUL(Retaining useful Life)予測では、エンジンが安全な運転を継続できる期間を推定し、メンテナンス計画の中心となる。 N-CMAPSSは、記録されたリアルタイムプロファイルを使用して、飛行から飛行までの航空エンジン軌道をシミュレートすることでC-MAPSSを拡張する。 本稿では,N-CMAPSSをベースとしたクルーズステージRULベンチマークであるCruiseBenchを提案する。
• 参考スコア（独自算出の注目度）: 2.1283237553105017
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Remaining useful life (RUL) prediction estimates how long an engine can continue safe operation and is central to maintenance planning. N-CMAPSS extends C-MAPSS by simulating run-to-failure aero-engine trajectories using recorded real-flight profiles and retaining complete within-flight time series rather than cycle-level snapshots. However, this added realism reduces evaluation control because full-flight records increase data volume and entangle degradation cues with operating-regime variation, complicating preprocessing choices and direct comparisons of RUL modeling performance. To mitigate this issue, this paper proposes CruiseBench, a cruise-stage RUL benchmark derived from N-CMAPSS. It introduces CPM-N-CMAPSS (Cruising-Period Mask for N-CMAPSS), a mask artifact that stores cycle-local cruising intervals identified by the common-altitude method for the nine accessible subdatasets. CruiseBench applies a fixed protocol to the masked rows, using scenario descriptors and measured sensors as inputs while excluding virtual sensors, health parameters, and auxiliary metadata from the feature tensor, preserving native-resolution windows, and applying dataset-wise RUL caps. Experiments with LSTM, GRU, TCN, and TSMixer provide baseline results for this setting. Under CruiseBench-eta5-W256-S10, TSMixer obtains the lowest average RMSE, $3.4\pm1.71$, and Saxena score, $(2.50\pm2.99)\times 10^{4}$. Ablation studies show that flight-stage selection, temporal downscaling method, and RUL-cap threshold affect reported results. With its fixed cruise-stage protocol, CruiseBench provides a reproducible sub-benchmark for controlled RUL model comparison and CPM-N-CMAPSS provides a stage-specific data foundation for future transfer-learning and domain-adaptation studies.
• Abstract（参考訳）: RUL(Retaining useful Life)予測では、エンジンが安全な運転を継続できる期間を推定し、メンテナンス計画の中心となる。 N-CMAPSSはC-MAPSSを拡張し、記録されたリアルタイムプロファイルを使用して飛行中の航空エンジン軌道をシミュレートし、サイクルレベルのスナップショットではなく、完全な飛行中の時系列を保持する。 しかし、このリアリズムが加わったことにより、フルフライレコードはデータボリュームとアンタングル劣化キューを演算-レジム変動に対応させ、前処理の選択を複雑にし、RULモデリング性能を直接比較するため、評価制御が削減される。 この問題を軽減するために,N-CMAPSSをベースとしたクルーズステージRULベンチマークであるCruiseBenchを提案する。 CPM-N-CMAPSS(Cruising-Period Mask for N-CMAPSS)は、9つのアクセス可能なサブデータセットに対して、共通高度法で識別されたサイクルローカルな巡航間隔を格納するマスクアーティファクトである。 CruiseBenchは、仮想センサ、ヘルスパラメータ、機能テンソルからの補助メタデータを除外し、ネイティブレゾリューションウィンドウを保存し、データセットワイドのRULキャップを適用しながら、シナリオ記述子と計測センサを入力として使用して、マスク付き行に固定プロトコルを適用している。 LSTM、GRU、TN、TSMixerによる実験は、この設定のベースライン結果を提供する。 CruiseBench-eta5-W256-S10では、TSMixerは最低平均RMSE$3.4\pm1.71$、サクセナスコア$(2.50\pm2.99)\times 10^{4}$を得る。 アブレーション研究では、飛行段階の選択、時間ダウンスケーリング法、RULキャップ閾値が報告された結果に影響を与えることが示されている。 固定されたクルーズステージプロトコルにより、CruiseBenchは制御されたRULモデル比較のための再現可能なサブベンチマークを提供し、CPM-N-CMAPSSは将来の移行学習とドメイン適応研究のためのステージ固有のデータ基盤を提供する。

関連論文リスト

• Learning from the Best: Smoothness-Driven Metrics for Data Quality in Imitation Learning [2.452887009229123]
  RINSEは、ポリシーアーキテクチャに依存しない軌道の滑らかさに基づいて、デモを評価するためのフレームワークである。 本研究では,スムーズなフィルタリングにより,保持データ分布の条件変動を低減できることを示す。 Re-Mixドメインの再重み付けにおけるソフトウェイトとして、RINSEスコアは、学習されたRe-Mixアロケーションと高い相関を持つドメインアロケーションを生成する。
  論文  参考訳（メタデータ） (2026-04-24T20:40:11Z)
• RAVEN: Radar Adaptive Vision Encoders for Efficient Chirp-wise Object Detection and Segmentation [11.345174599707859]
  RAVENはFMCWレーダ認識のための計算効率の良いディープラーニングアーキテクチャである。 自動車レーダのベンチマークでは、強力な物体検出とBEV自由空間セグメンテーション性能が報告されている。
  論文  参考訳（メタデータ） (2026-04-06T07:30:45Z)
• Early Fault Detection on CMAPSS with Unsupervised LSTM Autoencoders [0.0]
  本稿では, ラン・トゥ・フェイルラベルを必要としないターボファンエンジンの非監視型ヘルスモニタリングフレームワークを提案する。 第一に、NASA CMAPSSセンサーストリームの動作条件効果は回帰ベースの正規化によって除去される。 LSTM(Long Short-Term Memory)オートエンコーダは、各トラジェクトリの健全な部分にのみ訓練される。
  論文  参考訳（メタデータ） (2026-01-15T10:38:14Z)
• AutoSAGE: Input-Aware CUDA Scheduling for Sparse GNN Aggregation (SpMM/SDDMM) and CSR Attention [52.20940151628735]
  AutoSAGEは入力ごとにタイリングとマッピングを選択するインプット対応スケジューラである。 Reddit OGBN-Productsでは、カーネルレベルの最大4.7倍のスピードアップを実現している。
  論文  参考訳（メタデータ） (2025-11-17T18:25:51Z)
• PAS: A Training-Free Stabilizer for Temporal Encoding in Video LLMs [57.790910044227935]
  ビデオLLMは時間的不整合に悩まされ、フレームタイミングの小さなシフトは注意をそらすことができ、関連するフレームを抑えることができる。 本稿では, 位相アグリゲード平滑化(PAS)について述べる。これは, 頭部に小さな反対位相オフセットを適用して, 出力を集約する学習自由機構である。 解析の結果,RoPE回転ロジットは,時間核でスケールしたコンテントドット積として近似でき,このカーネルを滑らかにすることで,小さな時間シフトに対する注意のリプシッツ安定性が得られ,マルチフェーズ平均化は,Nyquist-valid サンプリング下での頭当たりスペクトルを保ちながら高周波リップルを減衰させることがわかった。
  論文  参考訳（メタデータ） (2025-11-14T05:56:47Z)
• CARLE: A Hybrid Deep-Shallow Learning Framework for Robust and Explainable RUL Estimation of Rolling Element Bearings [2.312232949770907]
  Remaining Useful Life (RUL) は、コンポーネント、例えばローリングエレメントのベアリングが障害前にどれくらいの期間動作するかを予測する。 多くのRUL法が存在するが、動作条件が変化すると一般化性や堅牢性に欠けることが多い。 本稿では,これらの課題に対処するために,深層学習と浅層学習を組み合わせたハイブリッドAIフレームワークであるCARLEを紹介する。
  論文  参考訳（メタデータ） (2025-10-10T21:43:26Z)
• FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
  FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。 非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。 条件設定では、太陽予測において優れた性能を達成している。
  論文  参考訳（メタデータ） (2024-11-12T03:03:23Z)
• Filter Pruning for Efficient CNNs via Knowledge-driven Differential Filter Sampler [103.97487121678276]
  フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。 本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
  論文  参考訳（メタデータ） (2023-07-01T02:28:41Z)
• BARS: A Benchmark for Airport Runway Segmentation [5.224344210588583]
  空港滑走路のセグメンテーションは、着陸段階での事故率を効果的に低減することができる。 ディープ・ラーニング(DL)の急速な発展に伴い、関連する手法はセグメンテーション・タスクにおいて優れた性能を発揮する。 空港滑走路セグメンテーションのベンチマークであるBARSを提案する。
  論文  参考訳（メタデータ） (2022-10-24T02:26:05Z)
• Turning Channel Noise into an Accelerator for Over-the-Air Principal Component Analysis [65.31074639627226]
  主成分分析(PCA)は、データセットの線形構造を抽出するための技術です。 勾配降下アルゴリズムに基づくマルチアクセスチャネル上にPCAを配置する手法を提案する。 オーバー・ザ・エア・アグリゲーションはマルチ・アクセスの遅延を減らすために採用され、オーバー・ザ・エア・PCAという名称を与える。
  論文  参考訳（メタデータ） (2021-04-20T16:28:33Z)
• Learning representations with end-to-end models for improved remaining useful life prognostics [64.80885001058572]
  残りの設備の実用寿命(RUL)は、現在の時刻と故障までの期間として定義される。 マルチ層パーセプトロンと長期メモリ層(LSTM)に基づくエンドツーエンドのディープラーニングモデルを提案し、RULを予測する。 提案するエンド・ツー・エンドのモデルがこのような優れた結果を達成し、他のディープラーニングや最先端の手法と比較する方法について論じる。
  論文  参考訳（メタデータ） (2021-04-11T16:45:18Z)

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。