論文の概要: Physical-Variable-Informed Deep Learning for Robust Diagnosis in Industrial Fluid Transport Systems
- arxiv url: http://arxiv.org/abs/2610.27891v1
- Date: Tue, 20 Oct 2026 09:12:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.736937
- Title: Physical-Variable-Informed Deep Learning for Robust Diagnosis in Industrial Fluid Transport Systems
- Title（参考訳）: 産業用流体輸送システムにおけるロバスト診断のための物理変数インフォームドディープラーニング
- Abstract要約: PhyNetは物理変数をグローバルな動作制約として扱い、応答シグナルを局所的な診断証拠として扱う。
PhyNetは評価されたすべてのメトリクスで最高のパフォーマンスを達成する。
これらの結果は, 異種産業環境におけるロバスト診断への展開指向のアプローチを示すものである。
- 参考スコア（独自算出の注目度）: 8.468693470351235
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Industrial fluid transport systems are monitored through heterogeneous sensing streams, but robust fault diagnosis remains difficult because response signals vary with operating conditions and differ from physical variables in sampling rate, observation duration and data granularity. To address these challenges, we propose a physical-variable-informed deep learning framework (PhyNet) for robust fault diagnosis under real-world sampling heterogeneity. PhyNet treats physical variables as global operating constraints and response signals as local diagnostic evidence. Its physical-to-response cross-attention mechanism connects sequence-level physical-variable tokens with a learnable global response token, enabling interaction without strict temporal alignment. Across four benchmarks, including three real-world cavitation datasets and one public two-phase-flow dataset, PhyNet achieves the best performance across all evaluated metrics. Class-wise analyses, together with attention and masking analyses, show improved discrimination of ambiguous states and indicate that physical variables meaningfully constrain local response interpretation. These findings demonstrate a deployment-oriented approach to robust diagnosis in heterogeneous industrial environments.
- Abstract（参考訳）: 産業用流体輸送システムは不均一なセンシングストリームを通して監視されるが, 応答信号が動作条件によって異なり, サンプリング速度, 観測時間, データの粒度が異なるため, 堅牢な故障診断は依然として困難である。
これらの課題に対処するために,実世界のサンプリング不均一性の下での堅牢な故障診断のための物理変数インフォームド・ディープ・ラーニング・フレームワーク(PhyNet)を提案する。
PhyNetは物理変数をグローバルな動作制約として扱い、応答シグナルを局所的な診断証拠として扱う。
その物理対応答のクロスアテンション機構は、シーケンスレベルの物理変数トークンと学習可能なグローバル応答トークンを結合し、厳密な時間的アライメントなしに相互作用を可能にする。
3つの実世界のキャビテーションデータセットと1つの公開2フェーズフローデータセットを含む4つのベンチマークで、PhyNetは評価されたすべての指標で最高のパフォーマンスを達成する。
クラスワイド分析は、注意とマスキングの分析とともに、曖昧な状態の識別の改善を示し、物理的変数が局所的な応答解釈を有意に制限していることを示す。
これらの結果は, 異種産業環境におけるロバスト診断への展開指向のアプローチを示すものである。
関連論文リスト
- Physical Operating-Condition-Guided Vision-Language Matching for Cavitation Diagnosis in Industrial Pipeline Systems [8.284416429571243]
産業用パイプラインシステムにおけるキャビテーション診断は, 音響応答が動作条件によって大きく異なるため, 困難である。
キャビテーション診断のための物理動作条件誘導型視覚言語マッチング(POC-VLM)を提案する。
論文 参考訳（メタデータ） (2026-10-20T08:42:13Z) - Variational decomposition autoencoding improves disentanglement of latent representations [14.3216921403324]
信号分解に対する強い構造バイアスを組み込むことで、VAEを拡張するフレームワークである変分分解自動符号化(VDA)を導入する。
VDAは変分分解オートエンコーダ(DecVAE)、すなわち信号分解モデル、コントラスト自己監督タスク、変分事前近似を組み合わせたエンコーダのみのニューラルネットワークによってインスタンス化される。
シミュレーションデータと3つの公開科学データセットに対するDecVAEsの有効性を実証し, 音声認識, 難聴度評価, 感情音声分類を行った。
論文 参考訳（メタデータ） (2026-01-11T10:16:34Z) - Flexible Gravitational-Wave Parameter Estimation with Transformers [73.44614054040267]
本稿では,予測時間における多様な解析設定への適応を可能にする,フレキシブルトランスフォーマーベースのアーキテクチャをトレーニング戦略と組み合わせて導入する。
我々は、Dingo-T1と呼ばれる単一のフレキシブルモデルが、第3のLIGO-Virgo-KAGRA観測ランから48の重力波イベントを解析できることを実証した。
論文 参考訳（メタデータ） (2025-12-02T17:49:08Z) - Clinically-guided Data Synthesis for Laryngeal Lesion Detection [2.573786844054239]
そこで本研究では,Lyngeal endoscopic image-annotation pairを生成するために,Latent Diffusion Model(LDM)とControlNetアダプタを併用した新しいアプローチを提案する。
提案手法はCADx/eモデルのトレーニングデータセットの拡張に有効であり,喉頭科学における評価プロセスの強化に有効である。
論文 参考訳（メタデータ） (2025-08-08T09:55:54Z) - Learning hidden cascades via classification [49.40566691717171]
感染の症状などの中間的な指標は観察可能である。
拡散モデルの特徴を学習するための部分的可観測性を考慮した機械学習フレームワークを提案する。
本手法を合成ネットワーク上で検証し,実世界のインサイダー取引ネットワークに拡張する。
論文 参考訳（メタデータ） (2025-05-16T13:23:52Z) - Efficient and Robust Multidimensional Attention in Remote Physiological Sensing through Target Signal Constrained Factorization [7.947387272047604]
マルチモーダルビデオ入力からの光胸腺造影(rRSP)信号と呼吸(rRSP)信号の同時推定を目的とした,効率的なデュアルブランチ3D-CNNアーキテクチャであるMMRPhysを提案する。
TSFMを用いたMMRPhysは、リアルタイムアプリケーションに適した最小の推論レイテンシを維持しつつ、RRSP推定のための領域シフトの一般化において最先端の手法を著しく上回ることを示す。
論文 参考訳（メタデータ） (2025-05-11T15:20:45Z) - PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing [49.243031514520794]
LLM(Large Language Models)は、テキスト中心の設計のため、長距離信号の取得に優れる。
PhysLLMは最先端の精度とロバスト性を実現し、照明のバリエーションや動きのシナリオにまたがる優れた一般化を示す。
論文 参考訳（メタデータ） (2025-05-06T15:18:38Z) - FD-LLM: Large Language Model for Fault Diagnosis of Machines [20.679299204776527]
本研究では,時系列センサデータから故障を識別するための数値データ入力に,大規模言語モデルを効果的に適用した新しいIFD手法を提案する。
マルチクラス分類問題としてLLMのトレーニングを定式化することにより,故障診断に特化して設計されたLLMフレームワークであるFD-LLMを提案する。
FD-LLM フレームワークに基づく4つのオープンソース LLM の故障診断能力を評価し,各種動作条件下でのモデルの適応性と一般化性を評価する。
論文 参考訳（メタデータ） (2024-12-02T07:36:35Z) - Large-Scale Targeted Cause Discovery via Learning from Simulated Data [66.51307552703685]
本稿では,観測結果から対象変数の因果変数を推定する機械学習手法を提案する。
我々は、シミュレートされたデータに基づいて教師あり学習を用いてニューラルネットワークを訓練し、因果関係を推定する。
大規模遺伝子制御ネットワークにおける因果関係の同定に優れた性能を示す実験結果が得られた。
論文 参考訳（メタデータ） (2024-08-29T02:21:11Z) - Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。
行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。
学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
論文 参考訳（メタデータ） (2021-03-23T11:10:04Z)
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。