文献

J-GLOBAL ID：201702227056998095   整理番号：17A0054794

教師つきおよび半教師つきプロセスデータを用いた潜在因子解析のための局所重み付き予測法【Powered by NICT】

Locally Weighted Prediction Methods for Latent Factor Analysis With Supervised and Semisupervised Process Data

著者 (2件)： Yao Le (State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University, Hangzhou, China) ,  Ge Zhiqiang (State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University, Hangzhou, China)
資料名： IEEE Transactions on Automation Science and Engineering  (IEEE Transactions on Automation Science and Engineering)
巻： 14  号： 1  ページ： 126-138  発行年： 2017年 
JST資料番号： W1406A  ISSN： 1545-5955  CODEN： ITASC7  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 歴史と新しい質問データ試料間の類似性を計算することにより,教師つき潜在因子分析(SLFA)モデルに基づく確率論的局所的に重み付けされた予測法を提案した。この方法では,異なる歴史的試料の寄与はプロセス変数の雑音分散,非線形関係とプロセスの突然の変化を記述する方法の強い適応性を与えるに類似性指数を組み込むことにより表現した。さらに,提案した局所的に重み付け法は半教師つき形,実際の工業プロセスにおける実用的な見かけ上に拡張し,品質変数のサンプリング速度は通常のプロセス変数のそれより遥かに低いからである。SLFAと半教師付き局所重みづけLFA法の両方におけるパラメータ学習用に設計されている効率的な期待値最大化アルゴリズム。二実際の工業プロセスは,実現可能性と新たに開発したソフトセンサの有効性を評価した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： プロセス変数 ,  *予測技法 ,  雑音 ,  品質 ,  類似性 ,  適応性 ,  確率論 ,  重みづけ ,  *因子分析
準シソーラス用語： ソフトセンサ ,  EMアルゴリズム ,  パラメータ学習 ,  サンプリング速度 ,  工業プロセス , 【Automatic Indexing@JST】

分類 (2件)： 固体デバイス製造技術一般  (NC03030V) ,  生産工学一般  (KB01000U)

タイトルに関連する用語 (4件)： 教師 ,  プロセスデータ ,  因子解析 ,  予測法