文献

J-GLOBAL ID：201702228284411820   整理番号：17A0115380

メカトロニクスシステム予測のための新しい動的ニューラルモデリング【Powered by NICT】

A new dynamic neural modelling for mechatronic system prognostics

著者 (5件)： Tao Mengqiu (Faculty of Science, Engineering and Technology, Swinburne University of Technology, Melbourne, Australia) ,  Man Zhihong (Faculty of Science, Engineering and Technology, Swinburne University of Technology, Melbourne, Australia) ,  Zheng Jinchuan (Faculty of Science, Engineering and Technology, Swinburne University of Technology, Melbourne, Australia) ,  Cricenti Antonio (Faculty of Science, Engineering and Technology, Swinburne University of Technology, Melbourne, Australia) ,  Wang Wenyi (Aerospace Division, Defence Science and Technology Group (DST), Melbourne, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICAMechS  ページ： 437-442  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： メカトロニクスシステム予測のための新しい動的ニューラルモデリング法を提案した。模擬ターボファンエンジンシステムを最初に紹介した。つづいて,その系に対するいわゆる健康指数(HI)は健康条件を認識するために極端学習機械(ELM)と呼ばれる人工ニューラルネットワークモデルで評価した。健康指標に基づくシステムの伝搬過程を追跡し,予測するために,出力層と隠れ層の両方に対する出力からのフィードバックを用いた新しい動的ニューラルネットワーク(DNN)を開発した。最小二乗のバッチ学習方式では,フィードバック量と出力重みの両方を最適化した。NASAからターボファンエンジンデータセットを用いて,シミュレーションを行い,ELMモデルと提案したDNNの両方を利用している。提案したDNNの優れた性能は,隠れ層フィードバックを用いたDNNはメカトロニクスシステムの動的特徴を捕捉する優れた能力を持つことを示した。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： 米国航空宇宙局 ,  学習 ,  *フィードバック ,  最小二乗法 ,  最適化 ,  ロット
準シソーラス用語： 隠れ層 ,  健康状態指標 ,  神経回路網モデル ,  極度学習機械 ,  健康 , 【Automatic Indexing@JST】

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  システム同定  (IA02040O)

タイトルに関連する用語 (1件)： 予測