文献

J-GLOBAL ID：201802252084173910   整理番号：18A0447364

性ディープ学習法を用いたプロセス工業における異常データ解析【Powered by NICT】

Abnormal data analysis in process industries using deep-learning method

著者 (3件)： Song Wen (Graduate School of Information, Production and Systems, Waseda University, Kitakyushu, Japan) ,  Weng Wei (Graduate School of Information, Production and Systems, Waseda University, Kitakyushu, Japan) ,  Fujimura Shigeru (Graduate School of Information, Production and Systems, Waseda University, Kitakyushu, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IEEM  ページ： 2356-2360  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： 本研究は主に約プロセス工業の工場における異常データ解析である。加工工場では,お互いに値を伝達する多くのセンサである。いくつかのセンサの値は異常値である場合,プロセス工場における労働者は警告する必要がある。本研究では,主目的はプロセス工業の異なるセンサからの潜在的異常値を検出することである。値は雑音と遅延が充満しているので,最初にそれらを除去するための相互相関とウェーブレット変換を用いた。モデルを訓練加工データと性ディープ学習法を用い,モデルを用いて潜在的異常値を検出した。最後に,実際のプロセス工場から抽出したデータにより訓練されたモデルを評価した。結果は,このモデルが良好に機能することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 異常値 ,  労働者 ,  *プロセス工業 ,  雑音 ,  *学習 ,  *データ解析 ,  センサ ,  ウェーブレット変換
準シソーラス用語： 相互相関 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： 性 ,  プロセス ,  工業 ,  データ解析