文献

J-GLOBAL ID：201802267782540221   整理番号：18A0159972

階層極端学習マシンおよびソフトセンサ応用を用いた半教師付きプロセスデータの深い学習【Powered by NICT】

Deep Learning of Semisupervised Process Data With Hierarchical Extreme Learning Machine and Soft Sensor Application

著者 (2件)： Yao Le (Department of Control Science and Engineering, Zhejiang University, Hangzhou, China) ,  Ge Zhiqiang (Department of Control Science and Engineering, Zhejiang University, Hangzhou, China)
資料名： IEEE Transactions on Industrial Electronics  (IEEE Transactions on Industrial Electronics)
巻： 65  号： 2  ページ： 1490-1498  発行年： 2018年 
JST資料番号： C0234A  ISSN： 0278-0046  CODEN： ITIED6  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： データ駆動型ソフトセンサはされている物理的デバイスによるオンライン直接測定に手に負えない重要な品質変数を推定するために工業プロセスに利用した。品質変数の低サンプリング速度のために,ソフトセンサの大部分は少数のラベル付けされた標本の開発し,ラベル付けされていないプロセスデータの大多数は廃棄されている。情報の損失は品質予測精度の向上を制限した。データ駆動ソフトセンサの主要な問題の一つは,全ての利用可能なプロセスデータに含まれる情報を利用して最も遠いことである。本論文では,階層的極端学習機械(HELM)に基づくソフトセンサ開発のための半教師つき深層学習モデルを提案した。最初に,オートエンコーダの深いネットワーク構造は全てのプロセス試料を用いた教師なし特徴抽出のために実装した。品質変数を付加することによる回帰に利用されている極端学習機械。一方,多様体正則化法は半教師つきモデル訓練のために導入した。新しい方法はデータを含む情報を抽出深くできるが,余分なラベル無しサンプルからもっと学ぶ。提案した半教師つきHELM法は高 低変圧器に使用した一酸化炭素含有量,予測精度の顕著な改善,伝統的な方法と比較して示すを推定することである。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： 正則化 ,  変圧器 ,  品質 ,  一酸化炭素 ,  ネットワーク構造 ,  *学習 ,  多様体 ,  特徴抽出
準シソーラス用語： 予測精度 ,  深層学習 ,  極度学習機械 ,  品質予測 ,  オンライン ,  データ駆動 ,  *ソフトセンサ , 【Automatic Indexing@JST】

分類 (1件)： システム同定  (IA02040O)

タイトルに関連する用語 (7件)： 階層 ,  学習 ,  マシン ,  ソフトセンサ ,  応用 ,  教師 ,  プロセスデータ