文献

J-GLOBAL ID：201702256355328792   整理番号：17A0473007

航空機燃料システムの故障診断への応用を用いた深い量子にヒントを得たニューラルネットワーク【Powered by NICT】

Deep quantum inspired neural network with application to aircraft fuel system fault diagnosis

著者 (4件)： Gao Zehai (School of Aeronautics, Northwestern Polytechnical University, Xi’an, Shaanxi 710072, China) ,  Ma Cunbao (School of Aeronautics, Northwestern Polytechnical University, Xi’an, Shaanxi 710072, China) ,  Song Dong (School of Aeronautics, Northwestern Polytechnical University, Xi’an, Shaanxi 710072, China) ,  Liu Yang (School of Aeronautics, Northwestern Polytechnical University, Xi’an, Shaanxi 710072, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 238  ページ： 13-23  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 航空機燃料システムの故障診断は,のみならず飛行安全性を改善するが,規則的な維持管理のために膨大なコストを減少させることができる。はシステムが複雑化し,不均一破壊モードのため問題のままであり,特にシステムに対し,類似のインパクトを持つことを異なる破壊モード。本論文では,このような問題を解決する改善された深い量子ネットワーク(DQN)である深い量子にヒントを得たニューラルネットワーク(DQINN)を使用した。この方法は,古典的深層信念ネットワーク(DBN)と量子にヒントを得たニューラルネットワーク(QINN)の組合せである。DBNとQINNの利点を継承の目的のために,DQINNの構造は新しい方法で構築した。システムの観点から,DQINNは最終隠れ層における量子間隔で多重DBNの線形重ね合せによって構築する。標準データセット上での実験を行い,DQINNは他の三種の古典的アルゴリズムより優れていることを示した。最後に,航空機の燃料系の正常なモデルを構築し,コア成分の一般的な破壊モードの四種類は,このモデルに注入した。DQINN航空機燃料システムの故障診断に適用した。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： 破壊モード ,  故障モード ,  *故障診断 ,  アルゴリズム ,  多重化 ,  *ニューラルネットワーク ,  *航空機 ,  深層 ,  線形性 ,  *航空燃料 ,  重合せ
準シソーラス用語： 隠れ層 ,  信念ネットワーク ,  量子ネットワーク ,  飛行安全 , 【Automatic Indexing@JST】

著者キーワード (5件)： 航空機燃料システム ,  故障モード ,  故障診断 ,  深信念ネットワーク ,  量子にヒントを得たニューラルネットワーク

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 航空機燃料 ,  故障診断 ,  応用 ,  量子 ,  ヒント ,  ニューラルネットワーク