新型自回归模型预测设备罕见故障

研究人员开发了一种新的概率模型，旨在预测设备罕见故障，以应对预测性维护的挑战。该模型学习不同类型设备之间共享的故障模式，并适应特定的目标设备，同时考虑传感器配置、运行条件和退化的变化。使用合成冰箱数据集评估了该方法，以证明其在为维护规划生成校准的故障概率估计方面的有效性。 AI

影响 该模型可以提高各行业预测性维护系统的可靠性和效率。

排序理由 该条目是发表在arXiv上的学术论文，详细介绍了一个新模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• arXivLabs
• A Transferable Autologistic Model for Predicting Rare Failures in Heterogeneous Equipment
• Bibliographic Explorer
• CatalyzeX Code Finder for Papers
• computer science
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Litmaps
• machine learning
• ScienceCast
• scite Smart Citations

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →