文献

J-GLOBAL ID：201702252741413515   整理番号：17A1093630

類似性に基づくロバスト確率潜在変数回帰モデルとプロセスモニタリングのためのそのカーネル拡張【Powered by NICT】

Similarity based robust probability latent variable regression model and its kernel extension for process monitoring

著者 (5件)： Zhou Le (School of Automation and Electrical Engineering, Zhejiang University of Science & Technology, Hangzhou 310023, Zhejiang, China) ,  Chen Junghui (Department of Chemical Engineering, Chung-Yuan Christian University, Chung-Li, Taoyuan, Taiwan 32023, Taiwan, R.O.C) ,  Yao Le (State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou 310027, Zhejiang, China) ,  Song Zhihuan (State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou 310027, Zhejiang, China) ,  Hou Beiping (School of Automation and Electrical Engineering, Zhejiang University of Science & Technology, Hangzhou 310023, Zhejiang, China)
資料名： Chemometrics and Intelligent Laboratory Systems  (Chemometrics and Intelligent Laboratory Systems)
巻： 161  ページ： 88-95  発行年： 2017年 
JST資料番号： E0150B  ISSN： 0169-7439  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： 最も産業では,異常値を持つプロセスと品質測定は,収集した。異常値がデータに基づくモデリングとプロセス監視への負の影響を持つであろう。確率潜在変数回帰(PLVR)に関する著者らの以前の研究では,モデルはプロセス特性のデータ品質は良好であるという仮定の下で構築し,運転プロセスは線形であった。本論文では,ロバストなPLVR(RPLVR)モデルを開発した。その非線形形式に拡張,ロバスト確率カーネル潜在変数回帰(RPKLVR)と呼ばれる。両モデルは異常値の影響を低減することができる。RPLVRとRPKLVR重み付き確率モデルである。全ての収集したデータ間の各試料の類似性は,各試料のための重みづけ因子として選択されるであろう。モデリングのための異常値は弱められた。重み付き訓練データを用いて,訓練RPLVRとRPKLVRの期待値最大化アルゴリズムを導いた。対応する統計も故障検出のために構築した。提案した方法の有効性を示すために提示した二つの事例研究。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： 品質 ,  確率モデル ,  故障検出 ,  モデリング ,  *類似性 ,  重みづけ ,  事例研究 ,  *ロバスト性 ,  異常値 ,  線形性 ,  *回帰モデル
準シソーラス用語： EMアルゴリズム ,  訓練データ ,  *プロセス監視 ,  *潜在変数 , 【Automatic Indexing@JST】

著者キーワード (4件)： 故障検出 ,  カーネル法 ,  異常値 ,  ロバスト確率潜在変数回帰モデル

分類 (2件)： 分光分析  (CC03012W) ,  数値計算  (JE02000J)

タイトルに関連する用語 (8件)： 類似性 ,  ロバスト ,  確率 ,  潜在変数 ,  回帰モデル ,  プロセスモニタリング ,  カーネル ,  拡張