論文の概要: MGSB: Manifold Gated Signature Branch Pressure-Domain Baseline Architecture for Two-Phase Pipeline Flows Under Distributional Shift

• arxiv url: http://arxiv.org/abs/2608.04805v1
• Date: Wed, 05 Aug 2026 13:12:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.93223
• Title: MGSB: Manifold Gated Signature Branch Pressure-Domain Baseline Architecture for Two-Phase Pipeline Flows Under Distributional Shift
• Title（参考訳）: MGSB: 分散シフト下の二相パイプライン流れに対するマニフォールドゲートゲート式分岐圧力領域ベースラインアーキテクチャ
• Authors: Issah Suleiman, Sormeh Serpoosh, Nadine Elkholy, Hicham Ferroudji, Mohammad Azizur Rahman, Matthew Hamilton,
• Abstract要約: マルチフェーズパイプラインのリーク検出モデルは、トレーニングとは異なるフローレギュレーションの下でデプロイされると、しばしば劣化する。 本稿では,レギュラー条件付き特徴融合とTT-RoughPathエンコーダと平均-Teacher整合性正規化を組み合わせたレギュラーアウェアアーキテクチャを提案する。 離脱1グループアウト評価では、MGSBは0.930の検知F1と0.783のOODF1を達成し、CNN-LSTMと完全に接続されたベースラインを大幅に上回る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Leak detection models for multiphase pipelines often degrade when deployed under flow regimes that differ from training. Existing evaluations typically assess performance under in-distribution operating conditions, masking failures caused by regime transitions such as bubble-to-slug flow. We propose the Manifold Gated Signature Bias (MGSB), a regime-aware architecture combining regime-conditioned feature fusion, a TT-RoughPath encoder, and Mean-Teacher consistency regularization to improve robustness under distribution shift. Under leave-one-group-out evaluation, MGSB achieves a detection F1 of 0.930 and an OOD F1 of 0.783, substantially outperforming CNN-LSTM and fully connected baselines under severe feature corruption. Ablations show the proposed architecture, not the training procedure, is the primary contributor to OOD robustness, while Mahalanobis-distance analysis confirms the held-out conditions are genuinely out-of-distribution. These results show that explicit regime-aware modelling is a practical path toward robust, sensor-agnostic leak detection in industrial multiphase pipelines.
• Abstract（参考訳）: マルチフェーズパイプラインのリーク検出モデルは、トレーニングとは異なるフローレギュレーションの下でデプロイされると、しばしば劣化する。 既存の評価では, バブル・トゥ・スラグ流などの状態遷移によるマスキングの失敗など, 分散運転条件下での性能を評価するのが一般的である。 我々は,レギュラー条件付き特徴融合とTT-RoughPathエンコーダと平均-Teacher整合性正規化を組み合わせたレギュラーアウェアアーキテクチャであるManifold Gated Signature Bias (MGSB)を提案する。 離脱1グループアウト評価では、MGSBは0.930の検知F1と0.783のOODF1を達成し、CNN-LSTMと完全に連結されたベースラインを著しく上回っている。 マハラノビス距離解析では、提案されたアーキテクチャは訓練手順ではなく、OODロバスト性の主要な貢献者であり、保留条件が真に分布外であることを確認している。 これらの結果から,産業用多相パイプラインにおけるロバストでセンサに依存しないリーク検出への明示的なレシック・アウェア・モデリングが実用的な方法であることが示唆された。

関連論文リスト

• Kalman Prototypical Networks for Few-shot Fault Detection in Combined Cycle Gas Turbines [7.586238488851779]
  複合サイクルガスタービン(CCGT)は現代の発電において重要な役割を担い、高効率と環境負荷の低減を図っている。 複雑な熱流体と機械的相互作用は、特にラベル付き断層データが不足している場合に、断層検出を複雑にする。 本稿では,CCGTの故障診断に特化して開発されたKalman Prototypeal Network(KPN)について紹介する。
  論文  参考訳（メタデータ） (2026-06-25T07:41:00Z)
• REACH: Interpretability-Driven Feature Identification and Architecture Compression for Multi-Channel Vehicular Channel Estimation [2.466065249430993]
  マルチチャネル混合SNRトレーニングはIEEE 802.11p車両通信のためのチャネル推定器の分配外一般化を改善する。 この研究は2つのレベルで動作する勾配に基づく解釈可能性フレームワークであるREACHを提示する。
  論文  参考訳（メタデータ） (2026-06-10T09:36:03Z)
• Extended Hybrid Timed Petri Nets with Semi-Supervised Anomaly Detection for Switched Systems, Modelling and Fault Detection [0.0]
  本稿では,ハイブリッド力学系のための統合障害検出フレームワークを提案する。 拡張時間連続ペトリネットモデルと半教師付き異常検出を統合している。 その結果,高い検出精度,高速収束,ロバスト性能が得られた。
  論文  参考訳（メタデータ） (2026-04-05T10:54:15Z)
• Alternating Gradient Flow Utility: A Unified Metric for Structural Pruning and Dynamic Routing in Deep Networks [52.153950303594684]
  交互勾配流(Alternating Gradient Flow, AGF)に着想を得た非結合型運動パラダイムを提案する。 AGFはネットワークの構造的「運動ユーティリティ」を正確にキャプチャする 我々は、AGFに誘導されるオフライン構造探索を、ゼロコストの物理プリミティブを介してオンライン実行から切り離すハイブリッドルーティングフレームワークを設計する。
  論文  参考訳（メタデータ） (2026-03-12T18:19:21Z)
• Parallel BiLSTM-Transformer networks for forecasting chaotic dynamics [24.960864709838436]
  本研究では,Transformer と Bidirectional Long Short-Term Memory Network を統合した並列予測フレームワークを提案する。 提案したハイブリッドモデルはデュアルブランチアーキテクチャを採用しており、Transformerブランチは主に長距離依存関係をキャプチャする。 結果は、提案されたハイブリッドフレームワークがタスク間でシングルブランチアーキテクチャの両方より優れていることを一貫して示している。
  論文  参考訳（メタデータ） (2025-10-27T16:17:10Z)
• Normalized Attention Guidance: Universal Negative Guidance for Diffusion Models [57.20761595019967]
  注意空間にL1をベースとした正規化・精細化を施した,効率的かつトレーニング不要な機構である正規化注意誘導(NAG)を提案する。 NAGは、CFGが忠実性を維持しながら崩壊する効果的な負のガイダンスを復元する。 NAGはアーキテクチャ(UNet、DiT)、サンプリングレシスタンス(複数ステップ、複数ステップ)、モダリティ(イメージ、ビデオ)をまたいで一般化する
  論文  参考訳（メタデータ） (2025-05-27T13:30:46Z)
• FLEX: A Backbone for Diffusion-Based Modeling of Spatio-temporal Physical Systems [51.15230303652732]
  FLEX (F Low Expert) は、時間物理系の生成モデリングのためのバックボーンアーキテクチャである。 拡散モデルにおける速度場の分散を低減し、トレーニングの安定化に役立つ。 少数の特徴を2つの逆拡散ステップとして用いて、超解像および予測タスクの正確な予測を行う。
  論文  参考訳（メタデータ） (2025-05-23T00:07:59Z)
• DAIS: Automatic Channel Pruning via Differentiable Annealing Indicator Search [55.164053971213576]
  畳み込みニューラルネットワークは,計算オーバーヘッドが大きいにもかかわらず,コンピュータビジョンタスクの実行において大きな成功を収めている。 構造的(チャネル)プルーニングは、通常、ネットワーク構造を保ちながらモデルの冗長性を低減するために適用される。 既存の構造化プルーニング法では、手作りのルールが必要であり、これは大きなプルーニング空間に繋がる可能性がある。
  論文  参考訳（メタデータ） (2020-11-04T07:43:01Z)

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。