پژوهش
روش تشخیص خطا با بازسازی متغیرهای اندازه‌گیری‌نشده معرفی شد
پیش‌چاپی در arXiv روشی مبتنی بر «حسگرهای مجازی» پیشنهاد می‌کند که با آموزش ناظر عصبی روی داده‌های عادی، به شناسایی و جداسازی خطا در سیستم‌های فنی کمک می‌کند.
در بسیاری از سیستم‌های فنی نمی‌توان برای همهٔ اجزا حسگر نصب کرد؛ در نتیجه، حسگرهای موجود ممکن است خطا را تنها پس از انتشار اثرهای آن تشخیص دهند و یافتن منشأ خطا دشوار شود. پژوهشگران در پیش‌چاپی در arXiv روشی مبتنی بر حسگرهای مجازی برای مواجهه با این مسئله معرفی کرده‌اند.
در این روش، برای هر ترکیب از یک جزء و نوع خطا، دانش بیرونی متغیرهای حساس به آن خطا را مشخص می‌کند. سپس یک ناظر عصبی فقط با داده‌های مربوط به وضعیت عادی آموزش می‌بیند. این ناظر در فرایند جداسازی خطا، هرجا اندازه‌گیری حسگرهای موجود را در اختیار داشته باشد از آن‌ها استفاده می‌کند و متغیرهای اندازه‌گیری‌نشده را به‌صورت حسگر مجازی بازسازی می‌کند تا رفتار عادی را پیش‌بینی کند. روش با سنجش اختلاف مقدارهای فعلی و پیش‌بینی‌های عادی، نشانه‌های محلی خطا را محاسبه می‌کند. متن در دسترس توضیح می‌دهد که این نشانه‌ها سپس با هم مقایسه می‌شوند، اما جزئیات ادامهٔ روش در چکیدهٔ ارائه‌شده نیامده است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده