文献

J-GLOBAL ID：201802266004837571   整理番号：18A0382996

小訓練サンプルの下でのオンライン適応学習を用いた異常検出と故障診断の方法【Powered by NICT】

A method of anomaly detection and fault diagnosis with online adaptive learning under small training samples

著者 (4件)： Dong LI (School of Mechatronics Engineering and Automation, Shanghai University, Shanghai 200072, China) ,  Dong LI (School of Petroleum Engineering, Changzhou University, Changzhou 213164, China) ,  LIU Shulin (School of Mechatronics Engineering and Automation, Shanghai University, Shanghai 200072, China) ,  ZHANG Hongli (School of Mechatronics Engineering and Automation, Shanghai University, Shanghai 200072, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 64  ページ： 374-385  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近代的な知能的異常検出と故障診断のいくつかの方法が,一層効率的な解を提供するために開発した。しかし,相互に依存しない,新しい故障型を認めない断層試料,訓練段階と試験段階の欠如は,いくつかのケースにおけるそれらの応用を制限している。本論文では,小さな訓練試料でオンライン適応学習を用いた異常検出と故障診断の方法を提示した。この手法は同時に分類機能とクラスタリング機能を有している。既知故障タイプの試料を分類し,未知の故障タイプの試料をこの方法とクラスターを形成した。性能とアプローチの可能性としての利点を決定するために,ボールベアリング故障データと虹彩データに実験を行った。結果は筆者らの提案アプローチは他の方法,訓練試料はすべての故障タイプをカバーするには不十分である場合に優れていることを示した。既知の故障タイプは,より,優れた。ある程度まで,この手法は異常検出と故障診断の他の方法の欠点を補うことができた。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *故障診断 ,  クラスタ ,  虹彩 ,  *故障 ,  クラスタ化 ,  玉軸受
準シソーラス用語： *異常検出 ,  *適応学習 ,  *オンライン , 【Automatic Indexing@JST】

著者キーワード (5件)： 人工免疫システム ,  異常検出 ,  故障診断 ,  分類 ,  クラスタリング

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 訓練 ,  サンプル ,  オンライン ,  適応学習 ,  異常検出 ,  故障診断