文献

J-GLOBAL ID：201702226052321920   整理番号：17A0887173

突極機故障表現ベースのロバストな分類のための構造化潜在ラベル一貫した辞書学習【Powered by NICT】

Structured Latent Label Consistent Dictionary Learning for Salient Machine Faults Representation-Based Robust Classification

著者 (6件)： Zhang Zhao (School of Computer Science and Technology & Joint International Research Laboratory of Machine Learning and Neuromorphic Computing, Soochow University, Suzhou, China) ,  Jiang Weiming (School of Computer Science and Technology & Joint International Research Laboratory of Machine Learning and Neuromorphic Computing, Soochow University, Suzhou, China) ,  Li Fanzhang (School of Computer Science and Technology & Joint International Research Laboratory of Machine Learning and Neuromorphic Computing, Soochow University, Suzhou, China) ,  Zhao Mingbo (Department of Electronic Engineering, City University of Hong Kong, Kowloon, Hong Kong) ,  Li Bing (School of Economics, Wuhan University of Technology, Wuhan, China) ,  Zhang Li (School of Computer Science and Technology & Joint International Research Laboratory of Machine Learning and Neuromorphic Computing, Soochow University, Suzhou, China)
資料名： IEEE Transactions on Industrial Informatics  (IEEE Transactions on Industrial Informatics)
巻： 13  号： 2  ページ： 644-656  発行年： 2017年 
JST資料番号： W1434A  ISSN： 1551-3203  CODEN： ITIICH  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： 本論文では,辞書学習による顕著な機械故障表現ベース分類問題を検討した。識別顕著な表現と分類のための提案した新しい構造化潜在標識一致辞書学習(LLC DL)モデル。LLC DLは同時に構造再構成誤差,構造化識別疎コード誤差と分類誤差を最小化することを目的とした1つの目的関数を解くことによりタスクを扱った。,LLC DLは,与えられた信号を分解する構造化された潜在的重み付き識別型辞書,顕著な特徴抽出部と誤差部分適合騒音に対するスパース再構成部分。特に,辞書を原子,各辞書原子はクラス間原子間の障害を減少させる潜在的ベクトルで学習したで原子を学習した。構造化符号化係数は再構築誤差と識別スパース符号誤差を同時に最小化することにより計算した。顕著な表現は射影への信号埋め込みによる学習し,特徴を分類のための最適であることを保証できるようにロバストな線形分類器を直接学習顕著な特徴上で訓練した,分類器に課せられたロバストl_2,_1ノルムは予測結果はより正確にできる。顕著な特徴抽出項を含めることにより,LLC DLの分類法は非常に効率的で,各試験信号のためのよく訓練された辞書を用いた余分な時間のかかるスパース再構成過程を含む必要がある。広範囲のシミュレーションにより,本アルゴリズムの有効性をversify。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 符号化 ,  モデル ,  ノルム ,  *構造形成 ,  アルゴリズム ,  線形性 ,  再構成 ,  透視図法 ,  目的関数 ,  *故障 ,  ベクトル ,  *学習 ,  特徴抽出 ,  *ロバスト性
準シソーラス用語： *辞書学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 突極機 ,  故障 ,  表現 ,  ロバスト ,  分類 ,  構造化 ,  ラベル ,  辞書学習