文献

J-GLOBAL ID：201702227649920027   整理番号：17A1393597

インフラストラクチャ破壊予測のための多変量クラスタリングアプローチ【Powered by NICT】

A Multivariate Clustering Approach for Infrastructure Failure Predictions

著者 (6件)： Luo Simon ,  Chu Victor W. ,  Zhou Jianlong ,  Chen Fang ,  Wong Raymond K. ,  Huang Weidong
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BigData Congress  ページ： 274-281  発行年： 2017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： インフラストラクチャ破壊は社会・経済に負の影響を与えるしばしば重篤な結果を有していた。本論文では,インフラの維持管理のコストを最小にするためにリスク管理を支援するために機械学習モデルを提案した。インフラストラクチャデータセットの膨大な体積と複雑さのために,このような問題を計算するための,計算的に高価である。Bayesノンパラメトリック法は,この問題のために選択し,高度にスケーラブルなた。モデル故障に2段階アプローチを提案し,送水管故障である。第一段階は,類似した特性故障の数に基づいて群水道管に対する無限ガンマPoisson混合モデルを用いた。第二段階では,階層的ベータプロセス(HBP)への入力として第一段階で生成された基を用いる破壊の確率に基づく水道管をランク付けした。提案した方法は,大都市の都市水供給ネットワークに適用した。実験結果は,提案した手法がtge大きな多変量データセットの複雑さに適応することができ,ドメイン専門家によって生成されたグループから2桁の改善であることを示した。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： 大都市 ,  水道管 ,  リスク管理 ,  ネットワーク ,  ノンパラメトリック法 ,  *インフラストラクチャー ,  機械学習 ,  故障 ,  等級づけ ,  モデル ,  送水管
準シソーラス用語： 混合モデル ,  複雑性 ,  *多変量 ,  *破壊予測 , 【Automatic Indexing@JST】

分類 (5件)： 電力系統一般  (NB02000E) ,  防食  (WB03040M) ,  人工知能  (JE08000Z) ,  水産生物学一般  (FH02010Z) ,  建設管理  (RA01096R)

タイトルに関連する用語 (4件)： インフラストラクチャ ,  破壊予測 ,  多変量 ,  クラスタリング