文献

J-GLOBAL ID：201802222179892862   整理番号：18A0440829

高炉ガスパイプラインネットワークの状態分類のための結合分布適合に基づく移動学習【Powered by NICT】

Joint distribution adaptation-based transfer learning for status classification of blast furnace gas pipeline network

著者 (6件)： Sun Jian (School of Control Science and Engineering, Dalian Maritime University, Dalian 116024, China) ,  Lv Zheng (School of Control Science and Engineering, Dalian Maritime University, Dalian 116024, China) ,  Zhao Jun (School of Control Science and Engineering, Dalian Maritime University, Dalian 116024, China) ,  Wang Wei (School of Control Science and Engineering, Dalian Maritime University, Dalian 116024, China) ,  Wang Linqing (School of Control Science and Engineering, Dalian Maritime University, Dalian 116024, China) ,  Guo Ge (School of Control Science and Engineering, Dalian Maritime University, Dalian 116024, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ASCC  ページ： 2007-2012  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： 高炉ガス(BFG)は鉄鋼業の典型的な二次エネルギー資源である。BFGパイプラインネットワークの状態を推定するための有効な分類モデルを確立システムバランスを維持するために非常に重要である。生産プロセスの間,BFGパイプライン状態分類のためのラベル付けされた標本の量は非常に小さく,それは多数の工業データをRe標識にかなり高価である。結合分布適応ベースの移動学習フレームワークを提案した。Linz Donawitz転炉ガス(LDG)パイプライン網の前処理データは,BFGパイプラインネットワークの分類精度を改善するための補助訓練データセットとして採用した。源領域とターゲットドメイン間のオフセット値を計算し,除去されたそれらの間の限界データ分布の類似性を改善することであった。カーネル平均マッチングに基づくラベル(LKMM)アルゴリズムは,異なるドメイン間の条件付き分布差の源領域の試料重量を推定するために提案した。実際の工業データの実験結果は,提案した方法は負の移動を回避し,分類精度を向上させることを示した。我々のアプローチは,BFGシステムのバランスを制御するための信頼性のある情報を提供する。Copyright 2018 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： アルゴリズム ,  前処理 ,  鉄鋼業 ,  信頼性 ,  オフセット ,  *学習 ,  生産プロセス ,  マッチング ,  類似性 ,  転炉 ,  *高炉ガス
準シソーラス用語： 分類精度 ,  分類モデル ,  二次エネルギー , 【Automatic Indexing@JST】

分類 (2件)： 鉄鋼製造一般  (WD01010X) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 高炉ガス ,  パイプライン ,  分類 ,  分布 ,  学習