文献

J-GLOBAL ID：202002259068432543   整理番号：20A2278844

重量診断ニューラルネットワーク探索を用いたガスタービンの新しい異常検出法【JST・京大機械翻訳】

A novel anomaly detection method for gas turbines using weight agnostic neural network search

著者 (6件)： Zhong Shisheng (Harbin Institute of Technology,School of Mechatronics Engineering,Harbin,China) ,  Liu Dan (Harbin Institute of Technology,School of Mechatronics Engineering,Harbin,China) ,  Lin Lin (Harbin Institute of Technology,School of Mechatronics Engineering,Harbin,China) ,  Zhao Minghang (Harbin Institute of Technology at Weihai,School of Naval Architecture,Weihai,China) ,  Fu Xuyun (Harbin Institute of Technology at Weihai,School of Naval Architecture,Weihai,China) ,  Guo Feng (Harbin Institute of Technology,School of Mechatronics Engineering,Harbin,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： APARM  ページ： 1-6  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： 航空機ガスタービンの異常検出は小型サンプルサイズ分類問題である。小さな観察サンプルの条件下で,有意な挑戦はニューラルネットワークのスケールを決定することである。不適当なスケールは,過剰適合またはアンダーフィッティング問題のいずれかのため,試験精度を低くするかもしれない。本論文では,重量診断ニューラルネットワーク探索に基づく新しい異常検出法を,ガスタービンのために調査した。一方では,アンダーフィッティングを防ぐために,ネットワークのスケールは,挿入ノード,接続の追加,または,ガス経路性能パラメータの間の複雑な関係を反映することができるまで,活性化を変えることで,小から大まで進化した。他方,ネットワークにおける接続の数は目的関数の項として考慮され,ネットワーク進化における過剰適合を避けることができる。さらに,本論文は,時系列傾向転換点に基づく新しい閾値選択法を提案し,それは不均衡データの環境の下で異常パターンから正常パターンを識別するのに有効である。CFM56-7Bガスタービンからの実生活モニタリングデータを用いて提案モデルの有効性を検証した。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： 航空機 ,  *ネットワーク ,  *ガスタービン ,  *ニューラルネットワーク ,  目的関数 ,  有効性
準シソーラス用語： 異常検出 ,  不均衡データ , 【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 (5件)： 診断 ,  ニューラルネットワーク ,  探索 ,  ガスタービン ,  検出法