「一次遅れ＋むだ時間」系の変動検出および分類のためのニューラルネットワークの設計

カテゴリ: 研究会(論文単位)

論文No: CT19119

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2019/11/30

タイトル(英語): Construction of neural networks for system change detection of a First-order System with a Dead Time

著者名: 林田 智弘(広島大学),木下 拓矢(広島大学),山本 透(広島大学),西崎 一郎(広島大学),関崎 真也(広島大学)

著者名(英語): Tomohiro Hayashida(Hiroshima University),Takuya Kinoshita(Hiroshima University),Toru Yamamoto(Hiroshima University),Ichiro Nishizaki(Hiroshima University),Shinya Sekizaki(Hiroshima University)

キーワード: システム変動検出|時系列データ分類|リカレントニューラルネットワーク|System change detection|Time-series data classification|Recurrent neural network

要約(日本語): 本研究では，「一次遅れ＋むだ時間」系で定義される制御系のシステム変動の検出及びその分類する手法を構築する．本研究では，システム変動検出およびその分類のために，高次元時系列データに対応するためにリカレントニューラルネットワーク(RNN)を改良した「拡張型RNN」を用いる．また，数値実験により提案手法の有用性を示す。

要約(英語): This study proposes a method to detect and classify system change in a control system defined by the "first order delay + dead time" system. This study uses an extended recurrent neural network (RNN), which is an improved RNN to deal with high-dimensional time series data, for system change detection and classification. The experimental result indicates effectiveness of the proposed method.

原稿種別: 日本語

PDFファイルサイズ: 540 Kバイト