| 講演名 | 2010/3/19 時系列波形分類学習による低スペックセンサ信号からの状態判別 植野 研, ポール トポン クマル, 佐藤 誠, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 近年,さまざまな領域において異常診断が行われているが,種類や設置数が増えるにつれ,コスト的に高性能センサを用いることが困難な場合が考えられる.ここでは低コストセンサを用いた場合でも確率的な多変量センサ波形判別に基づく決定フュージョン技術を導入することで精度よく対象物の状態を判別可能な状態判別法k-Nearest Neighbor-based Bayesian Classifier(k-NNBC)を提案する.3軸加速度センサを用いた簡易検証により高スペック条件(250Hzサンプリング),低スペック設定条件(125Hzサンプリング)で判別性能を評価したところ,単チャネルセンサ波形判別と比較し,高スペックのみならず低スペックにおいても提案法の判別性能向上が見られた.特に低スペック条件下では平均で約12.5%向上することが分かりフュージョン効果が表れやすいことが分かった. |
| 抄録(英) | To detect abnormality in a target object, multiple sensors are widely used in various application domains. However, when many sensors are necessary for simultaneous monitoring of the target object, use of high-quality sensors may not be feasible due to the high costs of the sensors; instead, low-quality sensors are widely used in many industrial applications. In this paper, we propose a decision fusion technique called k-Nearest Neighbor-based Bayesian Classifier(k-NNBC)that enables accurate anomaly detection using multivariate sensor data. In our empirical evaluations on the angular bump related anomaly detection problem using a 3-axis accelerometer, we have found that the k-NNBC outperforms the widely-used k-Nearest Neighbor(k-NN)classifier with Dynamic Time Warping(DTW)distance measure; especially on low-specification configurations, the k-NNBC improves the accuracy by approximately 12.5% on the average, which shows the effectiveness of the proposed method. |
| キーワード(和) | 状態判別 / 異常診断 / 異常検知 / 分類学習 / 加速度センサ |
| キーワード(英) | Anomaly Detection / Decision Fusion / k-Nearest Neighbor-based Bayesian Classifier / Dynamic Time Warping |
| 資料番号 | SSS2009-35 |
| 発行日 |
| 研究会情報 | |
| 研究会 | SSS |
|---|---|
| 開催期間 | 2010/3/19(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Safety (SSS) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 時系列波形分類学習による低スペックセンサ信号からの状態判別 |
| サブタイトル（和） | |
| タイトル（英） | Detection of Abnormality by Using Waveform Time-series Classifiers on Low-Quality Sensor Data |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 状態判別 / Anomaly Detection |
| キーワード(2)（和/英） | 異常診断 / Decision Fusion |
| キーワード(3)（和/英） | 異常検知 / k-Nearest Neighbor-based Bayesian Classifier |
| キーワード(4)（和/英） | 分類学習 / Dynamic Time Warping |
| キーワード(5)（和/英） | 加速度センサ |
| 第 1 著者 氏名（和/英） | 植野 研 / Ken Ueno |
| 第 1 著者 所属（和/英） | 株式会社東芝研究開発センターシステム技術ラボラトリー System Engineering Laboratory, Corporate Research & Development Center, Toshiba Corporation |
| 第 2 著者 氏名（和/英） | ポール トポン クマル / Topon Kumar Paul |
| 第 2 著者 所属（和/英） | 株式会社東芝研究開発センターシステム技術ラボラトリー System Engineering Laboratory, Corporate Research & Development Center, Toshiba Corporation |
| 第 3 著者 氏名（和/英） | 佐藤 誠 / Makoto Sato |
| 第 3 著者 所属（和/英） | 株式会社東芝研究開発センターシステム技術ラボラトリー System Engineering Laboratory, Corporate Research & Development Center, Toshiba Corporation |
| 発表年月日 | 2010/3/19 |
| 資料番号 | SSS2009-35 |
| 巻番号（vol） | vol.109 |
| 号番号（no） | 473 |
| ページ範囲 | pp.- |
| ページ数 | 4 |
| 発行日 | |