抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文は,組合せ人工知能(AI)法を用いて,アナログシステムにおける故障を検出し同定するための階層的アプローチを提示した。自動診断システムは,教師なしおよび教師つき学習に基づいて,2つのレベルの故障同定を有する。前者は,解析システムの容易に識別可能な状態を困難なものから分離するために,初期段階で使用される。後者はより洗練された分類器で同定される。故障同定の困難さは,Ambiguityグループの存在と関連しているので,教師なし学習方式を採用して,それらを検出して,訓練データセットをサブセットに分解して,それに関して,分類装置の2つのステージを訓練した。簡単な機械学習アルゴリズムにより,最初の集合(単純なものと考えられる)を処理した。第二のセットを用いて,より複雑な分類器(不確実性条件で動作する)を訓練した。提案した方式は一般的であり,したがって,様々なアルゴリズムを実装することができる。提示した事例では,自己組織化マップ(SOM)を第一段階で使用し,一方,ランダムフォレスト(RF)を第二段階で用いた。この手法を検証するために,3次Besselハイパスフィルタを解析した。アーキテクチャは,従来のアプローチ(スタンドアロン分類器が採用されている)に対抗した。結果は,提案した解法の有用性を,その代替案より高い分類精度とより小さい計算努力に関して確認した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】