文献

J-GLOBAL ID：201702211997396999   整理番号：17A0754607

アンサンブルに基づく異常検出を用いた自動車システムにおける既知および未知検出欠陥【Powered by NICT】

Detecting known and unknown faults in automotive systems using ensemble-based anomaly detection

著者 (1件)： Theissler Andreas (Faculty of Information Technology, Esslingen University of Applied Sciences, 73732 Esslingen, Germany)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 123  ページ： 163-173  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自動車の生産,試験中にデータを取得することにより,自動車産業で得られたデータの大規模な成長は,これらの記録を解析の効果的知的方法が必要である。潜在的故障を検出するために,相互接続車両サブシステム車載ネットワークからのデータは,道路試験中に記録した。このデータの複雑さと体積は,車両サブシステム間の相互接続と車内ネットワーク経由で伝送されるデータの量の程度は,現代の自動車に添加した各機能を有する増強されるので増加し続けている。本論文では,異常検出アプローチは,(a)は既知な及び以前に未知の故障タイプの故障を検出できる,(b)エキスパートパラメータと(c)の設定を必要としないしのボックスアプローチとしての機能が異なる運転シナリオと故障タイプに対してロバストであることを提案した。これを達成するために,アンサンブル分類器は,二クラスと1クラス分類器を用いた。モデリング努力とユーザパラメータ化なし手法は,潜在的な故障のためのエキスパートを示す多変量時系列の異常を報告した。アプローチは,道路試験の記録上で検証し,アンサンブル異常検出器は異なる運転シナリオと故障タイプに対してロバストであることを示すことができた。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ロバスト性 ,  *自動車 ,  パラメタリゼーション ,  ネットワーク ,  自動車工業 ,  故障 ,  故障検出 ,  道路 ,  *検出 ,  モデリング ,  相互接続
準シソーラス用語： 多変量 ,  ワンクラス分類 ,  サブシステム ,  *異常検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 異常検出 ,  故障検出 ,  1クラス分類 ,  アンサンブル法 ,  自動車エレクトロニクス

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： アンサンブル ,  異常検出 ,  自動車 ,  欠陥