文献

J-GLOBAL ID：202202251298005092   整理番号：22A0434230

故障診断における強化学習による最適多層ネットワーク構造の発見【JST・京大機械翻訳】

Finding the optimal multilayer network structure through reinforcement learning in fault diagnosis

著者 (5件)： Cao Jie (College of Computer and Communication, Lanzhou University of Technology, Lanzhou 730050, China) ,  Cao Jie (Engineering Research Center of Manufacturing Information of Gansu Province, Lanzhou287, Gansu, China) ,  Ma Jialin (College of Computer and Communication, Lanzhou University of Technology, Lanzhou 730050, China) ,  Huang Dailin (College of Computer and Communication, Lanzhou University of Technology, Lanzhou 730050, China) ,  Yu Ping (College of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou 730050, China)
資料名： Measurement  (Measurement)
巻： 188  ページ： Null  発行年： 2022年 
JST資料番号： W0315B  ISSN： 0263-2241  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： 深層学習(DL)は,産業故障診断において重要な方法である。しかし,DLのネットワーク構造は経験で設計する必要がある。ネットワーク構造の設計を単純化するために,著者らはPareto効率報酬と挿入再生バッファ(NAS-PERIRB)アルゴリズムを有するニューラルアーキテクチャ検索ネットワークを提案する。本論文では,早期停止と挿入再生バッファ(IRB)を用いて,サンプルの訓練効率を改善した。さらに,Pareto効率報酬関数を設計し,目標を最適化し,ネットワーク探索空間を設計し,効果的な探索を行った。さらに,2つのデータセットの下でNAS-PERIRBを評価した。結果は,2つのデータセットが様々な状況で99%の精度に達し,それはNAS-PERIRBが独立してネットワーク構造を設計する目的を達成できることを意味する。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 ,  最適化 ,  簡素化 ,  *ネットワーク ,  *故障診断 ,  *ネットワーク構造 ,  多層 ,  計算機アーキテクチャ ,  *強化学習
準シソーラス用語： 探索空間 ,  深層学習 ,  報酬関数 , 【Automatic Indexing@JST】

著者キーワード (4件)： 神経アーキテクチャ探索 ,  パレート効率 ,  強化学習 ,  故障診断

分類 (1件)： 信頼性  (KB04040H)

タイトルに関連する用語 (5件)： 故障診断 ,  強化学習 ,  多層 ,  ネットワーク構造 ,  発見