文献

J-GLOBAL ID：201802259266104063   整理番号：18A1449491

アンサンブル発散のMKLモデルのアナログ回路診断への応用【JST・京大機械翻訳】

Application of MKL model incorporated within-class scatter in analog circuit diagnosis

著者 (2件)： Zhang Wei (海軍航空大学 航空作戦勤務学院,山東 烟台,264001) ,  Xu Aiqiang (海軍航空大学 航空作戦勤務学院,山東 烟台,264001)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 54  号： 9  ページ： 5-12,115  発行年： 2018年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： アナログ回路の故障診断精度を改善するため,故障特徴間の一次元ファジィ度に基づく特徴選択アルゴリズムを組み合わせて,新しいマルチコア超限学習マシン診断モデルを提案した。このモデルでは,仮想の基底核を設定することにより,正則化パラメータをカーネル重みの解に融合する。同時に、特徴空間クラス内の発散度をマルチコア最適化目的関数に集成することにより、トレーニング誤差を最小化すると同時に、同一モードの故障サンプルをより集中させ、故障モード間の識別力を有効に向上させた。2つのアナログ回路の診断例を示した。単一カーネル学習アルゴリズムと比較して,提案方法は,診断精度を著しく向上でき,そして,識別できない故障サンプルを,対応するファジィグループに,より正確に分離することができた。通常のマルチコア学習アルゴリズムと比較して,提案方法は,類似診断精度を得ると同時に,より少ない時間コストを持った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 特徴選択 ,  曖昧さ ,  最適化 ,  故障診断 ,  *アナログ回路 ,  *モデル ,  故障 ,  故障モード ,  学習 ,  目的関数 ,  学習アルゴリズム ,  アルゴリズム ,  一次元
準シソーラス用語： 診断精度 ,  マルチコアプロセッサ , 【Automatic Indexing@JST】

著者キーワード (5件)： fault diagnosis ,  multiple kernel learning ,  scatter matrix ,  extreme learning machine ,  adaptive regularization

分類 (2件)： 人工知能  (JE08000Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (6件)： アンサンブル ,  発散 ,  モデル ,  アナログ回路 ,  診断 ,  応用