Search academic texts

Information × Registration Number 2125U004348, Article popup.category Стаття, Опубліковано, Рецензована стаття Title EFFICIENT FAULT DETECTION IN INDUSTRIAL EQUIPMENT USING PCA AND SMOTE ENHANCED NEURAL NETWORKS popup.author Гуць В. В.Гороховатський О. В.Huts V. V.Horokhovatskyi O. V. popup.publication 12-03-2025 popup.source_user Національний університет «Полтавська політехніка імені Юрія Кондратюка» popup.source https://journals.nupp.edu.ua/sunz/article/view/3673 popup.publisher Національний університет «Полтавська політехніка імені Юрія Кондратюка» Description У цьому дослідженні розглядається проблема виявлення відмов у промисловому обладнанні за допомогою високовимірних даних вібрації з обмеженою кількістю мічених прикладів. Метою було розробити модель нейронної мережі, здатну точно класифікувати вектори вимірювань на нормальні та несправні категорії. Набір даних складався з 1158 зразків, кожен із яких містив 93,752 числові ознаки, що представляли два класи: 865 нормальних та 293 несправних випадки. Було використано комплексний конвеєр попередньої обробки, який включав стандартизацію, зменшення розмірності за допомогою методу головних компонент (PCA) і техніку синтетичного збільшення меншості (SMOTE) для балансування класів. Розроблена нейронна мережа досягла базової точності 94,40% із 100 компонентами PCA. Подальші експерименти показали, що зменшення розмірності архітектури та використання лише 50 компонентів PCA підвищило точність до 98,81%, підкреслюючи ефективність запропонованого підходу. Ці результати акцентують увагу на корисності комбінування PCA, SMOTE та нейронних мереж для виявлення відмов у високовимірних незбалансованих наборах даних. Майбутні напрями досліджень включають вивчення передових архітектур нейронних мереж, аналіз впливу кількості компонентів PCA на продуктивність моделі та дослідження можливості навчання ефективних моделей на синтетичних даних. popup.nrat_date 2026-04-19 Close