文献

J-GLOBAL ID：202002238857760039   整理番号：20A1958464

EGFC:Nver-Ending半教師付きデータストリームからのGaussファジィ分類器の進化と電力品質擾乱検出および分類への応用【JST・京大機械翻訳】

EGFC: Evolving Gaussian Fuzzy Classifier from Never-Ending Semi-Supervised Data Streams - With Application to Power Quality Disturbance Detection and Classification

著者 (4件)： Leite Daniel (Federal University of Lavras,Department of Automatics,Lavras,Brazil) ,  Decker Leticia (University of Bologna,INFN Bologna,Bologna,Italy) ,  Santana Marcio (Federal Center for Technological Education,CEFET-MG,Minas Gerais,Brazil) ,  Souza Paulo (Federal University of Lavras,Department of Automatics,Lavras,Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： FUZZ  ページ： 1-9  発行年： 2020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： 電力品質擾乱は,生産能力の限界,増加したラインと装置電流,および結果としてのオーム損失のようないくつかの欠点をもたらす。より高い動作温度,早期故障,機械の余命の減少,機器の誤動作,および計画されていない停止。障害のリアルタイム検出と分類は,産業標準に不可欠と考えられる。電圧波形のランドマークウィンドウに適用したハイブリッドHordick-Prescottと離散Fourier変換属性抽出法と組み合わせた半教師つき外乱検出と分類のためのEvolving Gaussファジィ分類(EGFC)フレームワークを提案した。スパイク,ノッチング,高調波および振動過渡のような擾乱を考察した。限られた量のデータおよび発生に基づくモデルのオフライン訓練を必要とする他の監視システムと異なり,提案したオンラインデータストリームベースEGFC法は,フライ上のファジィルールベースのパラメータおよび構造を適応することにより,非終了データストリームから自律的に外乱パターンを学習できる。さらに,得られたファジィモデルは言語的に解釈可能であり,モデル受容性を改善する。有望な分類結果を示した。Copyright 2020 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： 電流 ,  言語 ,  *故障 ,  高調波 ,  生産能力 ,  監視装置 ,  抵抗損
準シソーラス用語： 離散Fourier変換 ,  *データストリーム ,  *電力品質擾乱 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (7件)： 教師 ,  データストリーム ,  ファジィ分類 ,  進化 ,  電力品質擾乱 ,  分類 ,  応用