메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
이진욱 (서울대학교) 김명연 (서울대학교) 고진욱 (서울대학교) 신용진 (서울대학교) 윤병동 (원프레딕트)
저널정보
대한기계학회 대한기계학회 춘추학술대회 대한기계학회 2020년 학술대회
발행연도
2020.12
수록면
113 - 116 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

2022

클래스 불균형 및 가변 운행 조건 하에서 회전 기계 진단을 위한 샘플링 기반 비지도 도메인 적응 기법
이진욱 ,  고진욱 ,  김태훈 외 2명 대한기계학회 춘추학술대회 2022.05 학술대회자료

2021

클래스 조건부 샘플링을 통한 비지도 도메인 적응 기반 회전체 고장 진단 방법
이진욱 ,  김명연 ,  고진욱 외 2명 대한기계학회 춘추학술대회 2021.08 학술대회자료

2020

분류기 불일치 기반 비감독 도메인 적응 기법을 통한 회전체 고장 진단 기술
이진욱 ,  김명연 ,  고진욱 외 2명 대한기계학회 춘추학술대회 2020.12 학술대회자료

초록· 키워드

오류제보하기
Recently, deep learning-based fault diagnosis has been studied in many fields because of its superiority compared to existing data-driven method. However, it requires assumption that training and test data are drawn from same distribution which is generally not satisfied in real industry field. In order to address this problem, called domain shift, alleviating discrepancy between marginal distributions is widely utilized in existing methods. While performance is enhanced, there is limitation that these methods cannot consider the relation between target samples and decision boundaries. This can cause performance degradation compared to not using domain adaptation, called negative transfer. To solve this problem, we propose to maximize the discrepancy between two classifiers’ probability outputs to detect target samples that are far from the source samples. A feature extractor learns to generate target features near the source samples to minimize the discrepancy. Two bearing datasets are utilized to validate the effectiveness of proposed method. The results show that proposed method outperforms existing marginal distribution matching method.
#고장 진단(Fault Diagnosis) #도메인 차이(Domain Shift) #도메인 적응(Domain Adaptation) #결정경계(decision boundary)

목차

Abstract
1. 서론
2. 제안 방법
3. 고장 진단 성능 검증
4. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

회전체 열화 평가 및 고장진단
박세훈 ,  이형철 한국자동차공학회 춘계학술대회 2020 .07
중첩 분포 이미지를 활용한 회전체 고장 진단
박찬희 ,  이용오 ,  윤병동 대한기계학회 춘추학술대회 2019 .11
Industrial AI를 활용한 건전성 예측관리(PHM)
윤병동 한국신뢰성학회 학술대회논문집 2019 .05
고장예지진단 기술의 공학시스템에서의 성공사례와 비전
서보성 ,  장범찬 ,  윤병동 소음·진동 2015 .02
진동신호 특성 예측 및 분류를 통한 회전체 고장진단 방법
김동환 ,  손석만 ,  김연환 외 1명 한국소음진동공학회 학술대회논문집 2014 .10

최근 본 자료

전체보기

댓글(0)

0