論文の概要: A Synthetic Multivariate Refrigerator Time-Series Dataset for Predictive Maintenance
- arxiv url: http://arxiv.org/abs/2609.22229v1
- Date: Thu, 03 Sep 2026 03:45:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.794846
- Title: A Synthetic Multivariate Refrigerator Time-Series Dataset for Predictive Maintenance
- Title（参考訳）: 予測保守のための合成多変量冷凍機時系列データセット
- Abstract要約: データセットには27の時系列ファイルに7,066,161行と27の障害ログが含まれている。
シミュレータは、周囲温度の変化、ドア使用、サーモスタットおよび圧縮機操作、熱交換、デフロスト、電気消費、および6種類の進行劣化タイプを含む。
データは障害予測、劣化解析、センサ出力の異なる冷凍機での学習をサポートすることができる。
- 参考スコア（独自算出の注目度）: 2.2940141855172036
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We generated synthetic multivariate time series for 27 refrigerators with a simplified physicsinspired simulator at one-minute resolution. The simulator includes ambient-temperature variation, door use, thermostat and compressor operation, heat exchange, defrost, electrical consumption, and six progressive degradation types. Each refrigerator provides 15 to 20 sensor outputs according to its configuration. The dataset contains 7,066,161 rows in 27 time-series files and 27 failure logs. The release also includes the Python generator, refrigerator configurations, and documentation. The data can support failure prediction, degradation analysis, and learning across refrigerators with different sensor-output sets.
- Abstract（参考訳）: 物理にヒントを得たシミュレータを1分間の分解能で簡易化した27個の冷蔵庫用合成多変量時系列を作成した。
シミュレータは、周囲温度の変化、ドア使用、サーモスタットおよび圧縮機操作、熱交換、デフロスト、電気消費、および6種類の進行劣化タイプを含む。
各冷蔵庫は、その構成に応じて15から20個のセンサー出力を提供する。
データセットには27の時系列ファイルに7,066,161行と27の障害ログが含まれている。
リリースにはPythonジェネレータ、冷蔵庫の設定、ドキュメントも含まれている。
データは障害予測、劣化解析、センサ出力の異なる冷凍機での学習をサポートすることができる。
関連論文リスト
- Real-World Deployment and Performance Characterisation of Fog-Based Deep Learning for Cold-Chain Temperature Prediction over LoRaWAN [0.0]
南アフリカのリンゴ寒冷保存施設から採取したLoRaWANセンサデータを用いて,霧発生LSTM-GRUモデルによる冷間室温の予測を行った。
予測は1秒未満で配信され、計算よりもネットワークとメッセージングに支配され、条件付き説明が質素なコストを増した。
これらは、FFVコールドチェーンにおけるフォグベースの温度予測のための最初の展開ベンチマークであり、リソース制約されたエッジハードウェアで説明可能な温度予測が可能であることを証明している。
論文 参考訳（メタデータ） (2026-09-12T16:43:20Z) - Time-Aware Prior Fitted Networks for Zero-Shot Forecasting with Exogenous Variables [59.37476887007663]
我々は、(PFNとは違って)時間認識の事前データ適合型ネットワーク(PFN)であるApolloPFNを開発した。
i) PFNが時系列に適用されたときに発生する障害モードを解決するために調整された合成データ生成手順,(ii)時系列コンテキストを利用するのに必要な帰納的バイアスを埋め込んだ時間アウェアなアーキテクチャ修正。
論文 参考訳（メタデータ） (2026-03-16T18:33:23Z) - DiTS: Multimodal Diffusion Transformers Are Time Series Forecasters [50.43534351968113]
既存の生成時系列モデルは、時系列データの多次元特性にうまく対応していない。
動画生成にテキストガイダンスを組み込んだマルチモーダル拡散変換器に着想を得て,Diffusion Transformer for Time Series (DiTS)を提案する。
論文 参考訳（メタデータ） (2026-02-06T10:48:13Z) - 8-Calves Image dataset [0.8233028449337972]
マルチアニマル検出、追跡、識別のための挑戦的なベンチマークである8-Calvesデータセットを紹介した。
バーに8匹のホルスタイン・フリーズ人の子牛の1時間のビデオが映し出され、頻繁にオクルージョン、動きのぼやけ、さまざまなポーズが収められている。
微調整されたYOLOv8検出器とByteTrackを使った半きめのパイプラインと手作業による修正により、537,000以上のバウンディングボックスと時間的アイデンティティラベルが提供される。
論文 参考訳（メタデータ） (2025-03-17T23:47:52Z) - FATE: Focal-modulated Attention Encoder for Multivariate Time-series Forecasting [0.0]
気候は、海面の上昇、氷河の融解、ますます極端な気候パターンなど、21世紀の最も急進的な世界的な課題の1つである。
正確な予測はこれらの現象を監視し、緩和戦略を支援するために重要である。
CNN、RNN、アテンションベースのトランスフォーマーなど、最近の時系列予測のためのデータ駆動モデルでは、依存関係と限定並列化に苦戦している。
本研究は,時系列予測のための修正注意文(FATE)を提示する。
論文 参考訳（メタデータ） (2024-08-21T04:40:18Z) - iTransformer: Inverted Transformers Are Effective for Time Series Forecasting [62.40166958002558]
iTransformerを提案する。これは、逆次元に注意とフィードフォワードのネットワークを単純に適用する。
iTransformerモデルは、挑戦的な現実世界のデータセットの最先端を実現する。
論文 参考訳（メタデータ） (2023-10-10T13:44:09Z) - Grouped self-attention mechanism for a memory-efficient Transformer [64.0125322353281]
天気予報、電力消費、株式市場などの現実世界のタスクには、時間とともに変化するデータの予測が含まれる。
時系列データは通常、その周期的特性と時間的長期依存性のために、長いシーケンスで長い観察期間にわたって記録される。
我々はGSA(Grouped Self-Attention)とCCA(Compressed Cross-Attention)の2つの新しいモジュールを提案する。
提案モデルでは,既存の手法に匹敵する計算量と性能の低減が効果的に示された。
論文 参考訳（メタデータ） (2022-10-02T06:58:49Z) - Impact of Thermal Throttling on Long-Term Visual Inference in a
CPU-based Edge Device [0.0]
畳み込みニューラルネットワーク(CNN)の重大計算負荷は、熱収縮を招き、数秒で性能が低下する可能性がある。
4つのソフトウェアフレームワークと2つのオペレーティングシステム上で5つのCNNモデルを実行し、アクティブな冷却を行わない80のケースの長期的パフォーマンスを報告し、分析した。
論文 参考訳（メタデータ） (2020-10-13T11:15:17Z)
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。