文献

J-GLOBAL ID：202202278590840929   整理番号：22A0956572

スパースフィルタリングのグルーピング:1D畳込みニューラルネットワークにおける回転機械知的診断に向けた新しいダウンサンプリングアプローチ【JST・京大機械翻訳】

Grouping sparse filtering: a novel down-sampling approach toward rotating machine intelligent diagnosis in 1D-convolutional neural networks

著者 (6件)： Wang Pengxin (Beijing Key Laboratory of High-end Mechanical Equipment Health Monitoring and Self-Recovery, College of Mechanical Electrical Engineering, Beijing University of Chemical Technology, Beijing 100029, People’s Republic of China) ,  Song Liuyang (Beijing Key Laboratory of High-end Mechanical Equipment Health Monitoring and Self-Recovery, College of Mechanical Electrical Engineering, Beijing University of Chemical Technology, Beijing 100029, People’s Republic of China) ,  Wang Huaqing (Beijing Key Laboratory of High-end Mechanical Equipment Health Monitoring and Self-Recovery, College of Mechanical Electrical Engineering, Beijing University of Chemical Technology, Beijing 100029, People’s Republic of China) ,  Han Changkun (Beijing Key Laboratory of High-end Mechanical Equipment Health Monitoring and Self-Recovery, College of Mechanical Electrical Engineering, Beijing University of Chemical Technology, Beijing 100029, People’s Republic of China) ,  Guo Xudong (Beijing Key Laboratory of High-end Mechanical Equipment Health Monitoring and Self-Recovery, College of Mechanical Electrical Engineering, Beijing University of Chemical Technology, Beijing 100029, People’s Republic of China) ,  Cui Lingli (Beijing Engineering Research Center of Precision Measurement Technology and Instruments, Beijing University of Technology, Beijing 100124, People’s Republic of China)
資料名： Measurement Science and Technology  (Measurement Science and Technology)
巻： 33  号： 6  ページ： 065111 (10pp)  発行年： 2022年 
JST資料番号： C0354C  ISSN： 0957-0233  CODEN： MSTCEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 畳み込みニューラルネットワーク(CNN)は,重み共有と特徴学習能力を持ち,産業装置の健康監視に効果的かつ効果的に使用できる。しかし,典型的なCNNにおけるプール操作は,データダウンサンプリング中の貴重なインパルス特徴の損失を引き起こす。この問題を克服するためのスパースフィルタリング(GSF)を提案した。プール操作を使用する代わりに,GSFは等長グループに畳み込み後に得られた特徴のチャネルを分割する。チャネル重要度因子に基づく特徴集合関数を有する特徴セレクタとラッソ制約を用いて,ダウンサンプリングを実行するためのグループをフィルタリングした。GSF法は振動信号のブロックスパース性によりインパルス特性を保存する。理論解析は,GSFが,同じ数の層に対してCNNのプール層を使用するのに類似の計算複雑性を持つことを証明した。実験室試験と工業環境からのデータを用いて2つの実験的研究を行った。実験結果は,GSFによる1D-CNNが,プール層を有するCNNより回転機械信号とより高い故障同定精度のインパルス特性を保持するためにより良い性能を提供することを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 選別器 ,  故障 ,  データ ,  回転機械 ,  信号 ,  *フィルタリング ,  精度 ,  計算量 ,  *一次元 ,  チャネル
準シソーラス用語： *ダウンサンプリング ,  スパース性 ,  理論解析 ,  力積 ,  振動信号 , 【Automatic Indexing@JST】

分類 (3件)： 溶接技術  (WC07030G) ,  軸受  (QB01020W) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (6件)： グルーピング ,  1D ,  畳込みニューラルネットワーク ,  回転機械 ,  診断 ,  ダウンサンプリング