文献

J-GLOBAL ID：202202265017691027   整理番号：22A0397194

マルチソース領域適応による一般化特徴の学習:可変/一定機械条件下での知的診断【JST・京大機械翻訳】

Learn Generalized Features Via Multi-Source Domain Adaptation: Intelligent Diagnosis Under Variable/Constant Machine Conditions

著者 (5件)： Si Jin (Key Laboratory of Vehicle Advanced Manufacturing, Measuring and Control Technology, Ministry of Education, Beijing Jiaotong University, Beijing, China) ,  Shi Hongmei (Key Laboratory of Vehicle Advanced Manufacturing, Measuring and Control Technology, Ministry of Education, Beijing Jiaotong University, Beijing, China) ,  Han Te (Department of Industrial Engineering, Tsinghua University, Beijing, China) ,  Chen Jingcheng (Key Laboratory of Vehicle Advanced Manufacturing, Measuring and Control Technology, Ministry of Education, Beijing Jiaotong University, Beijing, China) ,  Zheng Changchang (Key Laboratory of Vehicle Advanced Manufacturing, Measuring and Control Technology, Ministry of Education, Beijing Jiaotong University, Beijing, China)
資料名： IEEE Sensors Journal  (IEEE Sensors Journal)
巻： 22  号： 1  ページ： 510-519  発行年： 2022年 
JST資料番号： W1318A  ISSN： 1530-437X  CODEN： ISJEAZ  資料種別： 逐次刊行物 (A)
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： 故障診断の主要な目標は,柔軟な産業場面のための一般化可能なモデルを構築することである。しかし,ほとんどの文献は,訓練と試験データが,同じ分布から収集され,交差ドメイン診断の障害を引き起こすと仮定した。本論文では,ラベル付きテストデータが取得が困難な,多様な動作条件に対する応答におけるマルチソースドメイン適応(MSDA)戦略を提案した。多次モーメントマッチングによって表現される正則化項を採用して,多重ソースドメインから移動可能な知識を抽出した。代替最適化目的として2つの独立した分類器の不一致の最大化と最小化を取り入れた敵対戦略を導入し,すべてのドメイン対間の特徴分布のモーメントを動的に整列させた。提案方法のロバスト性を証明するために,3つのデータセットを実行した。比較実験とアブレーション研究の結果は,このアプローチが複数の特定のドメインから特徴を学習でき,ラベルなしターゲットサンプルによる多様な一定または未知の変数条件の下で強い一般化能力を有することを示した。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： 最適化 ,  *学習 ,  故障診断 ,  多重化 ,  正則化 ,  モーメント ,  比較試験 ,  アブレーション ,  ロバスト性
準シソーラス用語： 運転条件 ,  試験データ ,  モーメントマッチング , 【Automatic Indexing@JST】

分類 (4件)： 分析機器  (CC02020S) ,  核酸一般  (EB04010U) ,  生体計測  (EL03020C) ,  生物物理的研究法  (EA03020V)

タイトルに関連する用語 (7件)： マルチ ,  ソース ,  適応 ,  一般化 ,  学習 ,  可変 ,  診断