文献

J-GLOBAL ID：202202232123911533   整理番号：22A0796226

ソフトセンシングのためのスイッチング混合Gauss雑音によるロバストな確率的主成分回帰【JST・京大機械翻訳】

Robust probabilistic principal component regression with switching mixture Gaussian noise for soft sensing

著者 (4件)： Sadeghian Anahita (Department of Chemical and Material Engineering, University of Alberta, Edmonton, Alberta, T6G-2G6, Canada) ,  Magbool Jan Nabil (Department of Chemical Engineering, Indian Institute of Technology Tirupati, Andhra Pradesh, 517 506, India) ,  Wu Ouyang (Department of Chemical and Material Engineering, University of Alberta, Edmonton, Alberta, T6G-2G6, Canada) ,  Huang Biao (Department of Chemical and Material Engineering, University of Alberta, Edmonton, Alberta, T6G-2G6, Canada)
資料名： Chemometrics and Intelligent Laboratory Systems  (Chemometrics and Intelligent Laboratory Systems)
巻： 222  ページ： Null  発行年： 2022年 
JST資料番号： E0150B  ISSN： 0169-7439  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 時代において,データ収集は以前には困難でないので,測定不能または高価な測定変数の予測のためのデータ駆動プロセスモデリングは人気を得ている。確率的主成分分析は,不確実性を考慮し,高次元プロセスデータを扱うようなモデリングのための強力な特徴を持つ。データ収集は,より達成可能であるが,データの低品質は,まだモデル性能を低下させる。高忠実度モデリングは高品質データを必要とする。本研究の焦点は,ロバスト確率的主成分回帰(RPPCR)を開発することによって,外部観察を扱うことである。ここで,著者らは,著者らの以前の研究を拡張する前方監視アプローチにおいて,あるタイプの異常値を模倣するために,混合Gaussスイッチング測定ノイズのシナリオを調査した。スイッチング雑音と解方法論を扱うことができる厳密なモデリングアプローチを詳細に論じた。2つの事例研究,数値説明例および実際の産業対応策を,提案モデルのロバスト性を検証するために考察した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *雑音 ,  *回帰分析 ,  不確実性 ,  *Gauss雑音 ,  モデリング ,  事例研究 ,  異常値 ,  高次元 ,  データ収集 ,  主成分分析 ,  *ロバスト性 ,  予測モデル
準シソーラス用語： 高品質 ,  データ駆動 ,  *主成分回帰 , 【Automatic Indexing@JST】

著者キーワード (7件)： ソフトセンサ ,  ロバスト性 ,  ロバストな予測モデル ,  異常値 ,  Gauss混合雑音のスイッチング ,  確率的主成分回帰(PPCR) ,  期待値最大化(EM)アルゴリズム

分類 (2件)： 数値計算  (JE02000J) ,  分析化学一般  (CC02010H)

タイトルに関連する用語 (6件)： ソフトセンシング ,  スイッチング ,  Gauss雑音 ,  ロバスト ,  確率 ,  主成分回帰