文献

J-GLOBAL ID：201702249859003222   整理番号：17A0886123

深学習とその応用に基づくデータ駆動ソフトセンサモデル化法【Powered by NICT】

A Data-Driven Soft Sensor Modeling Method Based on Deep Learning and its Application

著者 (3件)： Yan Weiwu (Department of Automation, Shanghai Jiao Tong University, Shanghai, China) ,  Tang Di (Department of Automation, Shanghai Jiao Tong University, Shanghai, China) ,  Lin Yujun (Webank, Shenzhen, China)
資料名： IEEE Transactions on Industrial Electronics  (IEEE Transactions on Industrial Electronics)
巻： 64  号： 5  ページ： 4237-4245  発行年： 2017年 
JST資料番号： C0234A  ISSN： 0278-0046  CODEN： ITIED6  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： ソフトセンサは,工業プロセスで広く使用されている。データ駆動ソフトセンサの中心問題は,優れた性能とロバスト性をソフトセンサモデルを構築している。ソフトセンサモデリングへの深層学習を導入し,ニューラルネットワーク(DAE NN)を用いたノイズ除去オートエンコーダを統合した深い学習ネットワークに基づく新しいソフトセンサモデリング法を提案した。改良された勾配降下を用いてモデルパラメータを最新化した。提案されたモデリング方法である深いアーキテクチャによる入力データの重要な情報を捕捉し,優れた性能を有するソフトセンサを構築することができた。DAE NNベースソフトセンサを1000MW ultrasuperficialユニットにおける煙道ガス中の酸素含有量を推定する実用的応用に適用した。従来のソフトセンサモデル化法,すなわち,浅い学習法を比較すると,DAE NNベースソフトセンサはデータ駆動型ソフトセンサの性能と一般化を著しく改善した。深層学習はソフトセンサモデリングのための非常に効果的かつ有望な方法を提供する。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： ニューラルネットワーク ,  *学習 ,  計算機アーキテクチャ ,  雑音低減 ,  *モデリング ,  ロバスト性 ,  ネットワーク ,  煙道ガス
準シソーラス用語： 酸素含有量 ,  入力データ ,  モデルパラメータ ,  深層学習 ,  工業プロセス ,  *ソフトセンサ ,  *データ駆動 , 【Automatic Indexing@JST】

分類 (2件)： 電力変換器  (NB08030B) ,  ロボットの設計・製造・構造要素  (IC04013A)

タイトルに関連する用語 (5件)： 学習 ,  応用 ,  データ駆動 ,  ソフトセンサ ,  モデル化