Пошук академічних текстів

Інформація × Реєстраційний номер 2121U008641, Матеріали видань та локальних репозитаріїв Категорія Опубліковано, Стаття Назва роботи ІНТЕЛЕКТУАЛЬНА МОДЕЛЬ ВИЯВЛЕННЯ АНОМАЛІЙ У КІБЕРФІЗІЧНИХ СИСТЕМАХ НА ОСНОВІ ГЛИБОКОГО ТРАНСФЕРНОГО НАВЧАННЯ Автор Сухостат Л. В.Sukhostat L. V. Дата публікації 07-10-2021 Постачальник інформації Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") Першоджерело https://ric.zp.edu.ua/article/view/241880 Видання National University "Zaporizhzhia Polytechnic" Опис Актуальність. Розглянуто задачу виявлення аномалій сигналів кіберфізичних систем на основі зображень спектрограм і скалограм. Об’єктом дослідження є складне промислове устаткування, яке має неоднорідні сенсорні системи різної природи. Мета роботи. Розробка методу виявлення аномалій сигналів на основі трансферного навчання у поєднанні з алгоритмом екстремального градієнтного бустінгу. Метод. Запропоновано підхід на основі трансферного навчання і екстремального градієентного бустінгу, розроблений для виявлення аномалій в акустичних сигналах кіберфізичних систем. У цій області було проведено мало досліджень, і тому вивчалися різні архітектури заздалегідь навчених глибоких нейронних моделей, щоб поліпшити виявлення аномалій. Трансферне навчання використовує ваги з глибокої нейронної моделі, попередньо навченої на великому наборі даних, і може бути застосоване до невеликого набору навчальних даних, що забезпечує збіжність без перенавчання. Класичний підхід до такого роду проблем зазвичай включає в себе методи обробки сигналів, які дозволяють отримувати корисну інформацію з даних сенсорів. У цій статті виконується завдання виявлення аномалій з використанням архітектури глибокого навчання для роботи з акустичними сигналами, з яких попередньо витягуються спектрограми і скалограми. Функція активації SPOCU була розглянута для поліпшення точності запропонованого підходу. Алгоритм екстремального градієнтного бустінгу був використаний, оскільки він має високу продуктивність і вимагає мало обчислювальних ресурсів на етапі навчання. Застосування даного алгоритму дозволяє домогтися значного поліпшення виявлення аномалій в сигналах промислового обладнання.  Результати. Розроблений підхід реалізований програмно і досліджений під час вирішення завдання виявлення аномалій в акустичних сигналах кіберфізичних систем на наборі даних MIMII.  Висновки. Проведені експерименти підтвердили працездатність запропонованого підходу і дозволяють рекомендувати його для використання на практиці при вирішенні завдань діагностування стану промислового устаткування. Перспективи подальших досліджень можуть полягати в застосуванні ансамблевих підходів на основі трансферного навчання до різних реальних наборів даних для підвищення продуктивності та відмовостійкості кіберфізичних систем.  Додано в НРАТ 2026-02-09 Закрити