文献

J-GLOBAL ID：202202236737328053   整理番号：22A0979276

畳込みマルチヘッド注意とハイブリッドドメインアラインメントに基づく実フレームワークの合成【JST・京大機械翻訳】

Synthetic to Real Framework based on Convolutional Multi-Head Attention and Hybrid Domain Alignment

著者 (4件)： Ghorvei Mohammadreza (Tarbiat Modares University,Department of Electrical and Computer Engineering,Tehran,Iran) ,  Kavianpour Mohammadreza (Tarbiat Modares University,Department of Electrical and Computer Engineering,Tehran,Iran) ,  Beheshti Mohammad TH (Tarbiat Modares University,Department of Electrical and Computer Engineering,Tehran,Iran) ,  Ramezani Amin (Tarbiat Modares University,Department of Electrical and Computer Engineering,Tehran,Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCIA  ページ： 1-6  発行年： 2022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： ドメイン適応(DA)は教師なし故障診断法において顕著な結果を獲得した。しかし,その性能は,2つの有意な因子,すなわち最初に,提案したDA方法は,ソースとターゲットドメインにおけるすべての分布を正確に整合するために,グローバルおよび局所的分布ギャップを軽減するべきである。ほとんどの距離ベースDA法は,国における局所整列分布にのみ大域的DAまたは集中を想定する。第二に,最も提案された教師なし故障診断法の一般化は,センサから収集したラベル付き故障データに依存する。逆に,実世界シナリオにおける収集したデータは,ほとんどラベルなしであり,それは,モデルの一般化をかなり減少させる。2つの重要な課題を克服するため,実際のフレームワークに対する教師なし合成を提案した。ハイブリッド多層ドメインアラインメント(CMHA-HMLDA)に基づく畳み込みマルチヘッド注意ネットワークを,グローバルおよび局所的分布を整列させるために実施した。また,軸受故障診断のためのロバストデータ駆動モデルを維持するために,実際のデータと合成データの間のギャップをより正確に軽減する。さらに,ラベル付き合成データをラベルなし実データに転送するので,提案手法は実際のシナリオにおいて信頼性が高い。ラベルなし実健康状態の診断における著者らの提案した方法の監視を示すために,著者らはベンチマークベアリングケースウエスタン保護大学(CWRU)データセットから作成した合成データセットを用いてそれを検証した。それを最近発表された教師なし故障診断法と比較した。その結果,提案手法が合成データから非ラベル実軸受故障を実現することができる最先端の結果を達成し,実世界シナリオにおいて実用的である。Copyright 2022 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： *アラインメント ,  *畳込み ,  故障 ,  信頼性 ,  ネットワーク ,  軸受 ,  故障診断 ,  センサ ,  多層 ,  ロバスト性
準シソーラス用語： 健康状態 ,  データ駆動 ,  マルチヘッド , 【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 (4件)： 畳込み ,  マルチヘッド ,  注意 ,  フレームワーク