文献

J-GLOBAL ID：202102237935808142   整理番号：21A3333468

機械の少数ショット故障診断のためのフィルタカーネルの連続加重更新による適応知識移転【JST・京大機械翻訳】

Adaptive Knowledge Transfer by Continual Weighted Updating of Filter Kernels for Few-Shot Fault Diagnosis of Machines

著者 (4件)： Xing Saibo (Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi’an Jiaotong University, Xi’an, China) ,  Lei Yaguo (Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi’an Jiaotong University, Xi’an, China) ,  Yang Bin (Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi’an Jiaotong University, Xi’an, China) ,  Lu Na (Systems Engineering Institute, Xi’an Jiaotong University, Xi’an, China)
資料名： IEEE Transactions on Industrial Electronics  (IEEE Transactions on Industrial Electronics)
巻： 69  号： 2  ページ： 1968-1976  発行年： 2022年 
JST資料番号： C0234A  ISSN： 0278-0046  CODEN： ITIED6  資料種別： 逐次刊行物 (A)
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： 深層学習(DL)ベースの診断モデルは,機械の大量のモニタリングデータによって訓練されなければならない。しかし,実際のシナリオでは,機械は,その寿命の大部分で通常の条件下で動作し,一方,故障は,ほとんど発生しない。したがって,大規模データはアクセス可能であるが,故障データはまだ非常に限られているが,通常条件のデータである。言い換えれば,実際の機械の故障診断は実際に数ショット診断問題である。少数ショット診断を扱うために,本論文では,連続機械学習のパラダイムの下で,マルチ分類器アンサンブル(AKTME)による適応知識転送を提案した。AKTMEにおいて,DLモデルによって学習された知識は,学習可能なフィルタカーネル(FK)によって表現されると考えられる。AKTMEの鍵は,FKの提案した連続加重更新(CWU)技術である。CWUにより,共有FKは複数の補助タスクから蒸留され,適応的にターゲットタスクに転送される。次に,マルチ分類装置集合によって,AKTMEは,故障データにアクセスできる故障を認識することができる。AKTMEを2つの少数ショット診断事例に適用した。結果は,AKTMEが最近提案された方法よりも高い診断精度を達成することを検証した。さらに,AKTMEは,より補助的なタスクを絶えず学習するので,診断精度を改善する傾向がある。Copyright 2021 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： フィルタ ,  学習 ,  *故障 ,  *故障診断 ,  粒状材 ,  機械学習
準シソーラス用語： *知識移転 ,  診断モデル ,  深層学習 ,  大規模データ , 【Automatic Indexing@JST】

分類 (3件)： 信頼性  (KB04040H) ,  電動機  (NB07030U) ,  システム設計・解析  (IA02030D)

タイトルに関連する用語 (7件)： ショット ,  故障診断 ,  カーネル ,  加重 ,  更新 ,  適応 ,  知識移転