文献

J-GLOBAL ID：201802296107197974   整理番号：18A1679229

逐次連続属性ナイーブBayesに基づくオンライン故障診断の新しい方法【JST・京大機械翻訳】

A New Method of Online Fault Diagnosis Based on Incremental Continuous Attribute Naive Bayesian

著者 (4件)： LiJ Mengting (School of Electronics and Information, Northwestern Polytechnical University, Xi’an, PR China) ,  Zhao Shuai (School of Electronics and Information, Northwestern Polytechnical University, Xi’an, PR China) ,  Chen Shaowei (School of Electronics and Information, Northwestern Polytechnical University, Xi’an, PR China) ,  Huang Dengshan (School of Electronics and Information, Northwestern Polytechnical University, Xi’an, PR China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICPHM  ページ： 1-7  発行年： 2018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： 故障を正確に診断し,診断モデルをタイムリーに更新することは,オンライン故障診断のための2つのキーポイントである。より高い診断精度とより大きいモデル更新効率を考慮して,本論文は,オンライン故障診断を容易にするために,改良した増分Gauss Neive Bayesian学習アルゴリズム(I-IGNB)を提案した。I-IGNB理論における重要な仮定,すなわち,連続特性データは単一Gauss分布により生成され,離散化により生じる情報損失は連続属性のオンライン故障診断において効率的に回避できる。提案したI-IGNBの更新機構は,診断モデルの重要なパラメータ,事前確率およびいくつかの明示的方程式を有する条件付き確率を更新することであり,それは非常に計算的に効率的である。さらに,新しい故障モードがオンライン診断において発生するとき,それをI-IGNBによって正確に同定することができて,それによって,全体の診断精度をさらに改良することができた。有効性を検証するために,二重二次RC能動フィルタ回路を設計し,故障データを得て,I-IGNBの性能をテストした。実験結果は,I-IGNBが非常に速く診断モデルを更新することができて,モデル更新によって明らかに診断精度を改良することができることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *故障 ,  能動フィルタ ,  正規分布 ,  故障モード ,  *故障診断 ,  事前確率 ,  学習アルゴリズム
準シソーラス用語： オンライン診断 ,  条件付確率 ,  離散化 ,  診断精度 ,  診断モデル ,  *オンライン , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 属性 ,  オンライン ,  故障診断