文献

J-GLOBAL ID：201702260081614718   整理番号：17A1247998

教師なしSVM新規性検出とGauss過程モデルを用いたHVAC断層の高度検出【Powered by NICT】

Advanced detection of HVAC faults using unsupervised SVM novelty detection and Gaussian process models

著者 (6件)： Van Every Philip Michael (Department of Electrical and Computer Engineering, University of New Mexico, Albuquerque, NM, USA) ,  Rodriguez Mykel (Department of Electrical and Computer Engineering, University of New Mexico, Albuquerque, NM, USA) ,  Jones C. Birk (Photovoltaics & Grid Integration Department, Sandia National Labs, Albuquerque, NM, USA) ,  Mammoli Andrea Alberto (Department of Mechanical Engineering, University of New Mexico, Albuquerque, NM, USA) ,  Martinez-Ramon Manel (Department of Electrical and Computer Engineering, University of New Mexico, Albuquerque, NM, USA) ,  Martinez-Ramon Manel (Departamento de Teoria de la Senal y Comunicaciones, Universidad Carlos III de Madrid, Leganes, Madrid, Spain)
資料名： Energy and Buildings  (Energy and Buildings)
巻： 149  ページ： 216-224  発行年： 2017年 
JST資料番号： A0199A  ISSN： 0378-7788  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： 機械学習に基づく新しい故障検出アルゴリズムを本論文で紹介した,加熱,換気および空気調和(HVAC)システムにおける故障の検出に適用した。アルゴリズムは外部変数に対するHVACの応答を推定することを目的とした非線形回帰のセットの使用に基づいている。回帰アルゴリズムは,よく知られたGauss過程回帰,パラメータ事前分布のGaussモデル化と観測の条件付き尤度により,予測の確率論的モデルを作成することができる。予測誤差,教師なしの方法で,HVACの故障を検出できることをサポートベクトルマシン新規性検出器への入力としてのその推定された分散を用いた。このアルゴリズムは標準的な新規性検出を改善したが,それは実験で見られた。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： 機械学習 ,  確率モデル ,  アルゴリズム ,  *Gauss過程 ,  Gauss模型 ,  故障 ,  予測誤差 ,  モデリング ,  サポートベクトルマシン ,  *HVAC ,  検出器
準シソーラス用語： 尤度 ,  事前分布 ,  Gauss過程回帰 ,  線形回帰 , 【Automatic Indexing@JST】

著者キーワード (6件)： 故障検出 ,  Gauss過程神経回路網 ,  新規性検出 ,  1クラスサポートベクトルマシン ,  エアハンドリングユニット ,  HVAC

分類 (1件)： 空気調和装置一般  (PC02010U)

タイトルに関連する用語 (8件)： 教師 ,  SVM ,  新規性 ,  Gauss過程 ,  モデル ,  HVAC ,  断層 ,  高度