文献

J-GLOBAL ID：201702269558691171   整理番号：17A0417105

航空機エンジンにおける過剰振動イベントを予測するためのLSTMリカレントニューラルネットワークの利用【Powered by NICT】

Using LSTM recurrent neural networks to predict excess vibration events in aircraft engines

著者 (4件)： ElSaid AbdElRahman (Department of Computer Science, University of North Dakota, Grand Forks, North Dakota 58202) ,  Wild Brandon (Department of Aviation, University of North Dakota, Grand Forks, North Dakota 58202) ,  Higgins James (Department of Aviation, University of North Dakota, Grand Forks, North Dakota 58202) ,  Desell Travis (Department of Computer Science, University of North Dakota, Grand Forks, North Dakota 58202)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： e-Science  ページ： 260-269  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： 本論文では,長い短期記憶(LSTM)ニューロンを用いた実行可能な建物リカレントニューラルネットワーク(RNN)は航空機エンジン振動を予測するために検討した。モデルは過剰な振動から受けた飛行を含む航空会社から得られた飛行データ記録の大規模データベース上で訓練される。RNNはエンジン振動の解析的計算上の予測のためのより一般化可能でロバストな方法を提供することができる,解析的計算は,特定の経験的エンジンパラメータに基づいて逐次的に解決しなければならないと,このデータベースは,複数のタイプのエンジンを含む。さらに,LSTM再帰的神経回路網は将来の振動値の予測をさらに改善できる前の時間系列データの寄与の「記憶」を提供した。LSTM再帰的神経回路網は伝統的なRNNで使用した,逆伝搬法で訓練した場合は消失/爆発勾配に悩まされている。研究は,将来の510および20秒間振動値を予測するために,3.3%,5.51%及び10.19%の平均絶対誤差であった。適切な作用は飛行中の好ましくない状況を回避する過剰振動の発生前できるようにこれらニューラルネットワークは警報システムの将来の開発のための有望な手段を提供する。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： 逆伝搬法 ,  ロバスト性 ,  航空会社 ,  データベース ,  *ニューラルネットワーク ,  飛行データ ,  神経回路網 ,  ニューロン ,  警報システム
準シソーラス用語： 絶対誤差 ,  大規模データベース ,  短期記憶 ,  *リカレントニューラルネットワーク ,  *航空エンジン , 【Automatic Indexing@JST】

分類 (1件)： ガスタービン  (PB02040Y)

タイトルに関連する用語 (5件)： 航空機エンジン ,  イベント ,  予測 ,  LSTM ,  リカレントニューラルネットワーク