文献

J-GLOBAL ID：201902266735291409   整理番号：19A2116727

バイナリ損傷検出のためのアクチュエータシステムにおけるランダムサンプルの移動【JST・京大機械翻訳】

Transferring Random Samples in Actuator Systems for Binary Damage Detection

著者 (9件)： Cody Tyler (Engineering Systems and Environment, University of Virginia, Charlottesville, VA) ,  Adams Stephen (Engineering Systems and Environment, University of Virginia, Charlottesville, VA) ,  Beling Peter A. (Engineering Systems and Environment, University of Virginia, Charlottesville, VA) ,  Polter Sherwood (Philadelphia Division, Naval Surface Warfare Center, Philadelphia, PA) ,  Farinholt Kevin (Luna Innovations Inc, Charlottesville, VA) ,  Hipwell Nathan (Luna Innovations Inc, Charlottesville, VA) ,  Chaudhry Ali (Luna Innovations Inc, Charlottesville, VA) ,  Castillo Kennet (Luna Innovations Inc, Charlottesville, VA) ,  Meekins Ryan (Luna Innovations Inc, Charlottesville, VA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICPHM  ページ： 1-7  発行年： 2019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： データ駆動モデルは,例えば油圧アクチュエータのようなシステムの条件を正確に推定できる。しかし,システム上の保全は,データの限界および条件付き分布を変化させることにより,条件モデルの予測能力を下げることができる。本研究では,油圧アクチュエータの文脈でこの問題に取り組むために,伝達学習を用いることを提案した。移動学習は,1つのシステムから知識を用いてモデリングを改善することを目的としている。本研究では,再構築されたアクチュエータにおけるシステム損傷の二値指標を予測するために,アクチュエータ間のサンプルを移動させるためにランダムサンプリングを用いた。分布差に基づいて特徴を選択した。特徴が適切に選択されるとき,ランダムサンプリングを用いた成功した転送が起こり得ることを見出した。また,損傷データのみを移動させることにより,再構築されたアクチュエータからのより多くのベースラインデータが利用可能になるようにモデルを改善することができる。Copyright 2019 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： 学習 ,  *無作為抽出 ,  再構成 ,  *損傷検出 ,  *アクチュエータ ,  基準線 ,  モデリング
準シソーラス用語： 予測能力 ,  油圧アクチュエータ ,  データ駆動 ,  *バイナリー , 【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 (4件)： バイナリ ,  損傷検出 ,  アクチュエータ ,  ランダムサンプル