文献

J-GLOBAL ID：202002225358351037   整理番号：20A1140419

収縮限界学習マシンに基づく故障診断ロバスト手法【JST・京大機械翻訳】

Contractive-ELM based robust method for fault diagnosis

著者 (5件)： Chen Jianting (華東理工大学化工過程先進控制和優化技術教育部重点実験室,上海,200237) ,  Wu Zhiguo (安徽海螺集団有限責任公司,安徽蕪湖,241000) ,  Ye Zhencheng (華東理工大学化工過程先進控制和優化技術教育部重点実験室,上海,200237) ,  Zhu Yuanming (華東理工大学化工過程先進控制和優化技術教育部重点実験室,上海,200237) ,  Cheng Hui (華東理工大学化工過程先進控制和優化技術教育部重点実験室,上海,200237)
資料名： Jisuanji Gongcheng yu Sheji  (Jisuanji Gongcheng yu Sheji)
巻： 41  号： 1  ページ： 208-213  発行年： 2020年 
JST資料番号： C3599A  ISSN： 1000-7024  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： 分類性能に対する特徴雑音の影響を低減するために,限界学習マシン(ELM)に基づく収縮限界学習機械のロバストアルゴリズムモデル(CELM)を提案した。入力データを再構成するために,自己符号器を用いて,入力のJacobi行列のFノルムを目的関数に導入し,よりロバストな抽象的特徴表現を抽出し,抽出した新しい特徴を用いて,従来のELM層を訓練し,この方法のロバスト性を改善した。Mnist,UCIデータセット,TEプロセスデータセット,および異なる強度の混合Gauss雑音を加えた後のMnistデータセットのシミュレーション結果は,提案した方法がELM,HELMより高い分類精度とより良いロバスト性を持つことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  シミュレーション ,  *学習 ,  *故障診断 ,  学習機械 ,  Gauss雑音 ,  符号器 ,  再構成 ,  目的関数 ,  Jacobi行列 ,  *ロバスト性 ,  ノルム
準シソーラス用語： 分類精度 ,  入力データ ,  特徴表現 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 収縮限界 ,  学習 ,  マシン ,  故障診断 ,  ロバスト ,  手法