An unsupervised learning method for comparing the quality of the soft computing algorithms in analog systems diagnostics

• Autorzy: Bilski P.

Warianty tytułu

PL

Oparta na uczeniu bez nadzoru metoda porównywania jakości algorytmów sztucznej inteligencji w diagnostyce systemów analogowych

• Języki publikacji: EN

Abstrakty

EN

The paper presents the method of assessing the difficulty of the analog system for the diagnostics using soft computing algorithms. As the latter exploit knowledge from data sets obtained from simulations of the diagnosed systems, the method estimates the diagnostic difficulty of the system based on the data set analysis. This allows comparison of various systems and diagnostic methods. The versatile method of the data sets’ difficulty based on the graph clustering algorithm is proposed and explained. It is applied to test fuzzy logic and rough sets against the sixth order Butterworth lowpass filter. Conclusions and future prospects supplement the paper.

PL

W artykule przedstawiono metodę oceny trudności diagnostyki systemów analogowych opartej na metodach sztucznej inteligencji. Wykorzystuje ona zbiory danych uzyskiwane w wyniku symulacji diagnozowanych systemów. Możliwe jest dzięki temu porównywanie różnych systemów oraz metod diagnostycznych. Przedstawiona jest metoda oceny oparta na clusteringu grafowym. Następnie przedstawione jest jej wykorzystanie do porównania wyników diagnostyki filtru dolnoprzepustowego Butterwortha szóstego rzędu przy użyciu zbiorów przybliżonych oraz logiki rozmytej. Na końcu umieszczono wnioski oraz rozważania na temat zastosowań metody.

Słowa kluczowe

EN

fault detection; analog systems; unsupervised learning; clustering algorithm

PL

detekcja uszkodzeń; systemy analogowe; uczenie bez nadzoru; algorytm clusteringu

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2010
• Tom: R. 86, nr 11a
• Strony: 242--247
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Bilski P.

• Warsaw University of Life Sciences, Warsaw University of Technology,

Bibliografia

• [1] J. Rutkowski, B. Puchalski, ”Optimum stimuli selection in testing of analog circuits,”Proc. ECCTD’03 Conf., Kraków, 2003, II-201-204
• [2] V.C. Prasa and N.S.C. Babu, ”Selection of test notes for analog fault diagnosis in dictionary approach,” IEEE Trans. Instr. Meas., Vol. 49, No. 6, pp. 1289-1296, Dec. 2000
• [3] T. M. Mitchell, “Machine Learning,” McGraw-Hill, 1997
• [4] Y. Maidon, B.W. Jervis, P. Fouillat and S. Lesage, “Using artificial neural networks or Lagrange interpolation to characterize the faults in an analog circuit: an experimental study,” IEEE Trans. Instr. Meas., Vol. 48, No. 5, pp. 932-938, Oct. 1999
• [5] L. Shen, F.E.H. Tay, L. Qu, and Y. Shen, “Fault diagnosis using rough sets theory,” Computers in Industry, No. 43, pp. 61-72, 2003
• [6] R. Sałat , S. Osowski, “Accurate fault location in the power transmission line using support vector machine approach,” IEEE Trans. Power Systems, Vol. 19, No. 2, pp. 979-986, May 2004
• [7] P. Bilski, J. Wojciechowski, ”Automated Diagnostics of Analog Systems Using Fuzzy Logic Approach”, IEEE Trans. Instr. and Meas., Dec. 2007, Vol. 56, Issue 6, pp. 2175-2185
• [8] D. Lancaster, “Active Filter Cookbook,” Newnes Publishing, 1996
• [9] P. Bilski, ”Application of the Graph Clustering Algorithm to Analog Systems Diagnostics,” IMTC'07 Conf. Warsaw, May 1-3, 2007
• [10] J.A. Aslam, E. Pelekhov, and D. Rus, “The Star Clustering Algorithm for Static and Dynamic Information Organization,” Journal of Graph Algorithms and Applications, 2004, Vol. 8, No. 1, 95-129
• [11] S. Salzberg, A. Delcher, D. Heath, S. Kasif, “Best-Case Results for Nearest-Neighbor Learning,” IEEE Trans. Pattern Anal. Machine Intell., 1995, Vo. 17, pp. 599-608
• [12] A. Baraldi, P. Blonda, “A survey of fuzzy clustering algorithms for pattern recognition,” IEEE Trans. Syst., Man, and Cybern., Part B: Cybernetics, Vol. 29, Issue 6, pp. 778-785, 1999
• [13] P. Bilski, J. Wojciechowski, Z. Walczak, ”Diagnostics of Analog Systems Using Rough Sets,” ECCTD’05 Conf., Cork, Ireland, Aug. 30-Sept. 1, 2005, Vol. III, pp. 201-204
• [14] J. Komorowski, Z. Pawlak, L. Polkowski and A. Skowron, ”Rough Sets: A Tutorial,” [Online]. Available: citeseer.ist.psu.edu/komorowski98rough.html