本研究では、鋼板の故障検出のために、様々な機械学習手法を検討した。具体的には、GWO(Grey Wolf Optimizer)ベースおよびFDOベースのMLP(Multi-Layer Perceptron)とCMLP(Cascade Multi-Layer Perceptron)を評価した。
実験の結果、全てのモデルが良好な精度を示したが、特にFDOベースのMLP およびCMLPモデルが最も優れた性能を発揮し、全てのデータセットで100%の精度を達成した。一方で、FDOアルゴリズムはGWOに比べて実行時間が長くなる傾向にあった。
これらの結果から、FDOアルゴリズムを学習アルゴリズムとして採用することで、わずかに長い実行時間の代わりに高精度な故障検出が可能となることが示された。鋼板の早期故障検知は安全性と信頼性の維持に不可欠であり、本研究で示された機械学習手法がこの目的に大きく貢献できると考えられる。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Salar Farahm... at arxiv.org 05-02-2024
https://arxiv.org/pdf/2405.00006.pdfDeeper Inquiries