高速レール検査システムにおける展開を伴う異常検出のためのGANによるMeta学習【JST・京大機械翻訳】

Cao Haoyang; Guo Xin; Wang Guan

プレプリント

J-GLOBAL ID：202202201900682930 整理番号：22P0288407

高速レール検査システムにおける展開を伴う異常検出のためのGANによるMeta学習【JST・京大機械翻訳】

Meta-learning with GANs for anomaly detection, with deployment in high-speed rail inspection system

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月11日プレプリントサーバーでの情報更新日： 2022年02月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

異常検出は広範囲の潜在的用途を有する活発な研究領域である。大きいデータによるAI時代における異常検出のための主要な課題は,入力データにおける潜在的異常タイプ,高度に複雑でノイズの多いバックグラウンドの事前知識の欠如,少ない異常サンプル,および不均衡な訓練データセットを含む。本研究では,これらの問題を扱うための異常検出のためのメタ学習フレームワークを提案した。このフレームワークの中で,構造的類似性指数尺度(SSIM)を含む損失関数の適切な選択を伴う生成敵対ネットワーク(GAN)のアイデアを組み込んだ。高速レール検査のための限られたラベル付きデータによる実験は,著者らのメタ学習フレームワークが異常の同定において鋭くロバストであることを示した。このフレームワークは,2021年以降,中国の5つの高速鉄道に展開され,96.7%以上の作業負荷を削減し,96.7%の検査時間を節約した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能 , データ保護

, , , , ,

前のページに戻る