master's thesis
David Nabergoj (Avtor), Erik Štrumbelj (Mentor)

Povzetek

We assess the usability of Bayesian deep learning methods for remaining useful life estimation. To compare Bayesian models to standard deep learning models, we propose a model evaluation method based on simulated device maintenance. We find that Bayesian models outperform their architecturally equivalent deep learning models on synthetic data as well as on two benchmark datasets. The proposed evaluation method is relevant for practical applications and research, as it directly estimates maintenance costs and allows for more easily interpretable model comparisons.

Ključne besede

predictive maintenance;remaining useful life;Bayesian deep learning;model evaluation;computer science;computer and information science;master's thesis;

Podatki

Jezik: Angleški jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [D. Nabergoj]
UDK: 004(043.2)
COBISS: 84824579 Povezava se bo odprla v novem oknu
Št. ogledov: 237
Št. prenosov: 74
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Slovenski jezik
Sekundarni naslov: Napovedovalno vzdrževanje z Bayesovim globokim učenjem
Sekundarni povzetek: V tej nalogi ocenimo uporabnost metod Bayesovega globokega učenja za ocenjevanje preostale dobe koristnosti naprav. Predlagamo metodo za vrednotenje modelov, ki temelji na simuliranem vzdrževanju naprav. Na podlagi eksperimentov z umetnimi podatki in dvema referenčnima podatkovnima množicama ugotovimo, da so Bayesovi modeli boljši kot standardni globoki modeli z enako arhitekturo. Predlagana metoda za vrednotenje je relevantna v praktičnih aplikacijah in raziskovanju, saj neposredno oceni stroške vzdrževanja in omogoča interpretabilno primerjavo modelov.
Sekundarne ključne besede: napovedovalno vzdrževanje;preostala doba koristnosti;Bayesovo globoko učenje;vrednotenje modelov;računalništvo in informatika;magisteriji;Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Magistrsko delo/naloga
Študijski program: 1000471
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: XII, 82 str.
ID: 13918264