文献

J-GLOBAL ID：202102252037503494   整理番号：21A0153042

統計的機械学習法に基づく地下鉄システムの知的管理のための警報ランキングモデル【JST・京大機械翻訳】

Alarm Ranking Model for Intelligent Management of Metro Systems Based on Statistical Machine Learning Methods

著者 (5件)： Xu Jiawei (University of Haifa,Department of Statistics,Haifa,Israel) ,  Zhou Shirong (KLATASDS-MOE, School of Statistics, East China Normal University,Shanghai,PR China) ,  Tang Yincai (KLATASDS-MOE, School of Statistics, East China Normal University,Shanghai,PR China) ,  Huang Deyan (Cloudready Technology Co., Ltd.,Shanghai,PR China) ,  Zhu Qiwei (KLATASDS-MOE, School of Statistics, East China Normal University,Shanghai,PR China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： PHM-Shanghai  ページ： 1-8  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： メトロシステムのための統合通信とスーパービジョン(ICS)は,数千の機能性デバイスから欠陥を検出するのに即座に応答する。しかし,発生したイベントメッセージの百万は,大量の誤りと迷惑をもたらし,その結果,オペレータの行動を脱感作し,更なる保全を妨げる。したがって,人間オペレータによって分析される前に,事故の詳細なランキングのためにインテリジェント警報管理システム(IAMS)を設計することが望ましい。本論文では,統計的および機械学習ベースのインテリジェント警報管理システムを,意思決定プロセスおよび予測破壊を容易にするためのデータ駆動解として提案した。シンガポール地下鉄システムからのデータに基づく警報ランキングモデルは,データ融合プロセス,ack-遅延モデリング,およびランダム化グリッド検索によって得た警報ランキングスコアのための確立から成る。モデルは,2400万の歴史的事件と300万の警報から構成されたデータベースから,系統的および手動的因子の両方の複数の特徴を用いて構築された。モデルは,適切な検証基準によって測定される高い予測精度,ならびに実装における良好な性能を示した。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： 管理システム ,  *警報 ,  データベース ,  オペレータ ,  シンガポール共和国 ,  脱感作 ,  通信 ,  等級づけ ,  *機械学習 ,  データ融合
準シソーラス用語： 予測精度 ,  スーパービジョン ,  データ駆動 ,  統計的機械学習 , 【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)： 統計的機械学習 ,  地下鉄 ,  警報 ,  ランキング ,  モデル