文献

J-GLOBAL ID：201702260699933295   整理番号：17A0942973

キャップl_2-1,1-ノルム正則化を用いたロバストな半教師つきモデルによる圧延故障診断【Powered by NICT】

Rolling fault diagnosis via robust semi-supervised model with capped l_2,1-norm regularization

著者 (4件)： Zhao Mingbo (School of Information Science & Technology, Donghua University, Shanghai, P. R. China) ,  Chow Tommy W. S. (Department of Electronic Engineering, City University of Hong Kong, Kowloon, Hong Kong S.A.R.) ,  Zhang Haijun (School of Computer Science & Technology, Harbin Institute of Technology, Shenzhen, P. R. China) ,  Li Yan (School of Compute Engineering, Shenzhen Polytechnic, Shenzhen, P. R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIT  ページ： 1064-1069  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 転がり要素軸受は産業機械のアベイラビリティを確保する上で重要な役割を果たしている。場運転過程でのこのような機械における予期せぬ軸受故障は機械の故障,いくつかの非常に深刻な影響を持つかもしれないにつながる可能性がある。しかし,ラベル付きサンプルの不全は取り扱い故障診断問題のための主要な問題である。このような懸念を解決するために,ラベルなしサンプルを利用した欠陥のある軸受の診断のための半教師つき手法を提案した。提案アルゴリズムの優位性は,転がり要素軸受データに基づく他の最新の最先端手法と比較して検証した。軸受データの二次元可視化と分類精度は,筆者らのアルゴリズムは効果的に異なる軸受の故障カテゴリーを認識することができることを示した。,故障診断のための有望な方法と考えることができる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *圧延 ,  アベイラビリティ ,  *ノルム ,  二次元 ,  *故障診断 ,  *故障 ,  *正則化 ,  可視化 ,  軸受 ,  アルゴリズム ,  *ロバスト性 ,  産業機械
準シソーラス用語： 分類精度 ,  最先端 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  信頼性  (KB04040H)

タイトルに関連する用語 (8件)： キャップ ,  ノルム ,  正則化 ,  ロバスト ,  教師 ,  モデル ,  圧延 ,  故障診断