文献

J-GLOBAL ID：201802225529734330   整理番号：18A2106668

駆動量に基づく直交増分極端学習機械を用いたTennessee-Eastmanプロセスの故障診断【JST・京大機械翻訳】

Fault Diagnosis of Tennessee-Eastman Process Using Orthogonal Incremental Extreme Learning Machine Based on Driving Amount

著者 (3件)： Zou Weidong (School of Automation, Beijing Institute of Technology, Beijing, China) ,  Xia Yuanqing (School of Automation, Beijing Institute of Technology, Beijing, China) ,  Li Huifang (School of Automation, Beijing Institute of Technology, Beijing, China)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 48  号： 12  ページ： 3403-3410  発行年： 2018年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
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： 故障診断は産業プロセスにとって重要である。本論文では,Tennessee-Eastmanプロセス(TEP)の故障を認識するために,駆動量(DAOI-ELM)に基づく直交増分極値学習機械を提案した。DAOI-ELMの基本的考え方は,増分極値学習機械(I-ELM)に,Gram-Schmidt直交化法と駆動量を組み込むことである。UCIデータセット結果からの2次元非線形関数と回帰問題の事例研究は,DAOI-ELMが,I-ELM,凸I-ELM(CI-ELM),直交I-ELM(OI-ELM),および双方向ELMよりも,より良い一般化能力とよりコンパクトな構造を得ることを示した。実験的訓練と試験データをTEPのシミュレーションから導いた。DAOI-ELMの性能を評価し,逆伝搬ニューラルネットワーク,サポートベクトルマシン,I-ELM,CI-ELM,およびOI-ELMの性能と比較した。シミュレーション結果は,DAOI-ELMが他の方法より良くTEP故障を診断することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *故障診断 ,  *学習機械 ,  シミュレーション ,  サポートベクトルマシン ,  凸形 ,  *故障 ,  *直交性 ,  事例研究 ,  二次元
準シソーラス用語： 逆伝播ニューラルネットワーク ,  試験データ ,  非線形関数 ,  直交化 ,  極度学習機械 , 【Automatic Indexing@JST】

分類 (4件)： システム・制御理論一般  (IA02010H) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 駆動量 ,  極端学習機械 ,  プロセス ,  故障診断