アンサンブルクラシファイアは中間重度故障の検出および診断に強力か?【JST・京大機械翻訳】

Jin Baihong; Tan Yingshui; Chen Yuxin; Poolla Kameshwar; Vincentelli Alberto Sangiovanni

プレプリント

J-GLOBAL ID：202202212197258600 整理番号：22P0168022

アンサンブルクラシファイアは中間重度故障の検出および診断に強力か?【JST・京大機械翻訳】

Are Ensemble Classifiers Powerful Enough for the Detection and Diagnosis of Intermediate-Severity Faults?

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 (5件)： , , , ,
資料名：
発行年： 2020年07月06日プレプリントサーバーでの情報更新日： 2020年07月08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)

中間重症度(IS)故障は,重度の故障と比較してより軽度の症状を示し,正常操作条件との密接な類似性により検出および診断が困難である。訓練データにおけるIS故障例の欠如は,これらの故障が通常の操作条件として容易に誤りがあるので,機械学習(ML)技術上に構築される故障検出と診断(FDD)法に厳しいリスクをもたらすことができる。アンサンブルモデルはMLに広く適用され,分布外(OOD)データを検出するための有望な方法と考えられている。著者らは,2つの実世界データセットに関するいくつかの一般的なアンサンブルモデルによる大規模な実験を通して,これらのモデルにおける一般的落とし穴を同定した。次に,IS故障を検出し診断するためのより効果的なアンサンブルモデルを設計する方法を論じた。【JST・京大機械翻訳】

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

その他のシステムプログラミング

, , ,

前のページに戻る