文献

J-GLOBAL ID：201702257102845343   整理番号：17A1457996

動的スパース積層自動エンコーダモデルに基づく半教師つき故障分類【Powered by NICT】

Semi-supervised fault classification based on dynamic Sparse Stacked auto-encoders model

著者 (3件)： Jiang Li (State Key Laboratory of Industrial Control Technology, Institute of Industrial Process Control, Department of Control Science and Engineering, Zhejiang University, Hangzhou 310027, Zhejiang, PR China) ,  Ge Zhiqiang (State Key Laboratory of Industrial Control Technology, Institute of Industrial Process Control, Department of Control Science and Engineering, Zhejiang University, Hangzhou 310027, Zhejiang, PR China) ,  Song Zhihuan (State Key Laboratory of Industrial Control Technology, Institute of Industrial Process Control, Department of Control Science and Engineering, Zhejiang University, Hangzhou 310027, Zhejiang, PR China)
資料名： Chemometrics and Intelligent Laboratory Systems  (Chemometrics and Intelligent Laboratory Systems)
巻： 168  ページ： 72-83  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： 限られたラベル付きデータに基づく動的プロセスの故障を分類するための階層的スパース人工ニューラルネットワークを提案した。積層オートエンコーダ(SAE)はいろいろな故障から特徴を抽出するために開発した。提案したSAEの各ニューラルネットワークがスパース積層オートエンコーダ(SSAE)を学習するためにスパース制約を与えた。動的時間窓はSSAEに組み合わせた動的スパース積層オートエンコーダ(DSSAE)を構築することである。DSSAEモデルに基づく半教師つき故障分類スキームは,動的故障データを分類するために定式化した。Tennessee-Eastman(TE)ベンチマークプロセスに関するシミュレーション研究は,開発した方法,DSSAE法はSAEとSSAEよりも優れていることを示すの性能を評価した。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： 定式化 ,  ニューラルネットワーク ,  シミュレーション ,  *透視図法 ,  *符号器 ,  *故障 ,  学習
準シソーラス用語： 時間窓 ,  動的プロセス ,  *故障分類 , 【Automatic Indexing@JST】

著者キーワード (5件)： 故障分類 ,  積層自動エンコーダ ,  深い学習 ,  半教師つき学習 ,  動的過程

分類 (4件)： 数値計算  (JE02000J) ,  化学一般その他  (CA01060X) ,  ドキュメンテーション  (CA01030Q) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： エンコーダ ,  モデル ,  教師 ,  故障分類