文献

J-GLOBAL ID：202002240245354703   整理番号：20A0224606

LSTMネットワークを用いた油粒子汚染予測に関する研究【JST・京大機械翻訳】

Study on the oil particle contamination forecasting Using LSTM network

著者 (4件)： Zhai Liangliang (Wuhan University of Technology,REI, School of Energy and Power Engineering,Wuhan,Hubei,China,430063) ,  Yang Kun (Wuhan University of Technology,REI, School of Energy and Power Engineering,Wuhan,Hubei,China,430063) ,  Hu Biao (Wuhan University of Technology,REI, School of Energy and Power Engineering,Wuhan,Hubei,China,430063) ,  Li Shuai (Wuhan University of Technology,REI, School of Energy and Power Engineering,Wuhan,Hubei,China,430063)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： PHM-Qingdao  ページ： 1-6  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： 装置状態監視の主要技術の一つとして,油監視技術は装置の現状を評価し,装置の開発傾向を予測する上で極めて重要な役割を果たしている。本論文において,LSTMニューラルネットワークを発電所によって収集された歴史的データによって確立した。交差検証法を用いて,同じ試験セットにおける一般的時系列予測アルゴリズムLSM,ARIMA,BPNN,SVRおよびRFRを比較し,LSTMは最低RMSE値42.26を得た。これは油粒子汚染の予測におけるLSTMニューラルネットワークの適用性と精度を検証した。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： 交差検証法 ,  発電所 ,  アルゴリズム ,  ニューラルネットワーク ,  *粒状物汚染 ,  適応性
準シソーラス用語： 状態監視 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： LSTMネットワーク ,  油 ,  粒子汚染 ,  予測 ,  研究