コレントロピーに基づくArtificial Neural Networkを用いたショーケースの故障判定への改良進化計算の適用

カテゴリ: 研究会(論文単位)

論文No: SMF20016

グループ名: 【D】産業応用部門 スマートファシリティ研究会

発行日: 2020/08/19

タイトル(英語): Refrigerated Showcase Fault Detection by a Correntropy based Artificial Neural Network using an Improved Evolutionary Computation Technique

著者名: 大高 直哉(明治大学),福山 良和(明治大学),村上 賢哉(富士電機),サンタナ アダモ(富士電機),松井 哲郎(富士電機)

著者名(英語): Naoya Otaka(Meiji University),Yoshikazu Fukuyama(Meiji University),Kenya Murakami(Fuji Electric Co., Ltd.),Adamo Santana(Fuji Electric Co., Ltd.),Tetsuro Matsui(Fuji Electric Co., Ltd.)

キーワード: 故障検知|冷蔵ショーケース|ニューラルネットワーク|コレントロピー|進化計算|アンダーサンプリング|Fault Detection|Refrigerated Showcase|Artificial Neural Network|Correntropy|Evolutionary Computation Technique|Under Sampling

要約(日本語): 本論文では，異常値を含むデータに対するエンジニアリング業務軽減と共に，故障判定精度向上のため，コレントロピーを適用したニューラルネットワーク(以下，ANN)に改良進化計算を適用したショーケースに対する故障判定手法を提案する。従来のパラメータ学習法である最小二乗法を適用したStochastic Gradient Decent(以下，SGD) 及びコレントロピーを適用したModified Brain Storm Optimization(以下，MBSO)との比較シミュレーションにより，提案法の有効性を確認した

要約(英語): This paper proposes a fault detection method for refrigerated showcase by a Correntropy based Artificial Neural Network (ANN) using　improved evolutionary computation technique. The proposed method is verified to be more accurate than the conventional least square error based ANN using stochastic gradient descent and the conventional Correntropy based ANN using Modified Brain Storm Optimization (MBSO) with actual measurement data of showcase.

原稿種別: 日本語

PDFファイルサイズ: 1,107 Kバイト