文献

J-GLOBAL ID：201702234851898760   整理番号：17A0145263

潜在標識は関節機械故障のための表現と分類一貫したK-SVD【Powered by NICT】

Latent label consistent K-SVD for joint machine faults representation and classification

著者 (5件)： Zhang Zhao (School of Computer Science and Technology & Joint International Research Laboratory of Machine Learning and Neuromorphic Computing, Soochow University, Suzhou 215006, China) ,  Jiang Weiming (School of Computer Science and Technology & Joint International Research Laboratory of Machine Learning and Neuromorphic Computing, Soochow University, Suzhou 215006, China) ,  Jia Lei (School of Computer Science and Technology & Joint International Research Laboratory of Machine Learning and Neuromorphic Computing, Soochow University, Suzhou 215006, China) ,  Zhao Mingbo (Department of Electronic Engineering, City University of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong) ,  Li Fanzhang (School of Computer Science and Technology & Joint International Research Laboratory of Machine Learning and Neuromorphic Computing, Soochow University, Suzhou 215006, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： INDIN  ページ： 794-799  発行年： 2016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： 機械故障の表現と分類のための潜在的ラベル一貫したK-SVD(LLC KSVD)と呼ばれる新しい識別型辞書学習フレームワークを提案した。LLC KSVDを同時に再構成,識別疎コードと分類誤差を最小化することによりタスクを扱う。表現と分類能力を向上させるために,LLC KSVDは,与えられたデータを分解スパース再構成部,顕著な特徴部分と誤り部分に目的としている。顕著な特徴は,投影へのデータ埋込みにより学習されると特徴を分類のための最適であることが保証されるように分類器は,抽出された特徴上で訓練される。LLC KSVDの分類法は非常に効率的で,既存のモデルとして各試験信号のためのよく訓練された辞書を伴う時間のかかるスパース再構成過程を含む必要がある。に加えて,分類器は,雑音や異常値に対してロバストで,予測はより正確であることを,分類器にl_2,@ノルムを正則化する。いくつかの機械故障データセット上でのシミュレーションにより,このLLC KSVDにより最先端技術の性能を実証した。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： 透視図法 ,  雑音 ,  正則化 ,  異常値 ,  ロバスト性 ,  *再構成 ,  試験信号 ,  ノルム
準シソーラス用語： 分類法 ,  辞書学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 標識 ,  関節 ,  機械故障 ,  表現 ,  分類 ,  K-SVD