Domain Knowledge integrated for Blast Furnace Classifier Design

要約

タイトル: 爆炎炉の分類器設計におけるドメイン知識の統合

要約:
– 爆炎炉のモデリングと制御は産業分野において重要な課題であり、ブラックボックスモデルは複雑な爆炎炉システムを説明するための効果的な手段である。
– 実際には、アプリケーションに応じて、安全性や省エネルギーなど、異なる学習ターゲットがあることがよくある。
– このため、本論文では、産業用に分類器を生成するドメイン知識統合型分類モデルを設計するためのフレームワークを提案している。
– 私たちの知識統合学習スキームにより、重大な後果をもたらす可能性のある「重要なサンプル」をより正確に識別する分類器を作成することができ、同時に、残りのサンプルの分類の適切な精度を維持することができます。
– 提案された方法の有効性は、2つの実際の爆炎炉データセットによって検証されており、これによりオペレーターが事前経験を活用して爆炎炉システムをより良く制御することができるようになっています。

要約(オリジナル)

Blast furnace modeling and control is one of the important problems in the industrial field, and the black-box model is an effective mean to describe the complex blast furnace system. In practice, there are often different learning targets, such as safety and energy saving in industrial applications, depending on the application. For this reason, this paper proposes a framework to design a domain knowledge integrated classification model that yields a classifier for industrial application. Our knowledge incorporated learning scheme allows the users to create a classifier that identifies ‘important samples’ (whose misclassifications can lead to severe consequences) more correctly, while keeping the proper precision of classifying the remaining samples. The effectiveness of the proposed method has been verified by two real blast furnace datasets, which guides the operators to utilize their prior experience for controlling the blast furnace systems better.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI