著者
茂木 貴弘 中澤 友哉 田原 鉄也
出版者
人工知能学会
雑誌
2018年度人工知能学会全国大会(第32回)
巻号頁・発行日
2018-04-12

本稿では、時系列一次元信号の分類タスクによる異常検知アプリケーションとして、調節弁に取り付けた振動センサデータを分析した事例について報告する。振動信号から調節弁内部の異常(キャビテーションと呼ばれる現象)を自動で分類する手法として、一次元CNNとLSTMに着目した。これらを組み合わせ、教師あり学習により、異常の特徴量を自動で抽出し分類するタスクを試みた結果、99.5%の分類精度を達成できた。

言及状況

Twitter (2 users, 2 posts, 1 favorites)

メモ:1D-CNNによる時系列データの特徴量学習 ・分類対象の信号の特徴的な周波数帯域(ピーク)を強調するような畳み込みフィルタを学習により獲得できる ・1D-CNNの畳み込み層は、入力信号と同じく一次元の畳み込みフィルタを用いて「時間方向」へスライドさせる演算 https://t.co/NYwDqqUlkb
https://t.co/1X7kdhQsdw

収集済み URL リスト