文献

J-GLOBAL ID：201702250503373056   整理番号：17A1463100

動的プロセスモニタリングのための2層混合Bayes確率的PCA(主成分分析)【Powered by NICT】

Two layered mixture Bayesian probabilistic PCA for dynamic process monitoring

著者 (2件)： Raveendran Rahul (Department of Chemical and Materials Engineering, University of Alberta, Edmonton, AB T6G 2R3, Canada) ,  Huang Biao (Department of Chemical and Materials Engineering, University of Alberta, Edmonton, AB T6G 2R3, Canada)
資料名： Journal of Process Control  (Journal of Process Control)
巻： 57  ページ： 148-163  発行年： 2017年 
JST資料番号： W0388A  ISSN： 0959-1524  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： 本論文では,二層混合物Bayes確率的主成分分析モデルは,故障検出のために開発されたと提案した。非Gauss分布および時間的相関データに遭遇したがそれはデータ駆動プロセスモニタリングへの応用に適している。モデル開発は,建物の力学的モデルに適するように元の観測行列を修正することとそれに続く推定の二段階が含まれていた。第一段階では,データは,管理可能な数のクラスタに分割し,第二段階で,各クラスタ上に構築される混合モデル。この戦略は,多重局所モデルを持つことができることをスケーラブルな混合モデルを提供する。倹約モデルを提供し,単一段階で混合モデルを構築する既存の手法と比較して,局所最適値に感受性が少ないことが可能性を持っている。推定中の次元縮小であるBayes正則化手法を用いて自動化した。提案したモデルは,本質的に訓練データの確率密度関数を提供した。故障検出のための展開されると性能のハイライトは二つの実際のデータセットで実証した,オイルサンド産業からであり,もう一つは公的に利用可能な実験データセットである。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： 自動化 ,  クラスタ ,  オイルサンド ,  故障検出 ,  次元縮小 ,  *主成分分析 ,  確率密度関数 ,  正規分布 ,  正則化 ,  力学モデル
準シソーラス用語： 訓練データ ,  混合モデル ,  *プロセス監視 ,  データ駆動 ,  *動的プロセス , 【Automatic Indexing@JST】

著者キーワード (4件)： プロセスモニタリング ,  混合モデル ,  変分Bayes ,  密度モデルに基づくアプローチ

分類 (2件)： 反応装置  (XE01030X) ,  プロセス制御  (IC03040B)

タイトルに関連する用語 (6件)： 動的プロセス ,  モニタリング ,  2層 ,  確率 ,  PCA ,  主成分分析