AttentionMixer: An Accurate and Interpretable Framework for Process Monitoring

要約

タイトル：AttentionMixer：高度なプロセスモニタリングのための正確かつ解釈可能なフレームワーク

要約：
– 高い効率で運転するエネルギー変換プラントの安全性のために、正確で解釈可能な自動モニタリングシステムが必要です。
– しかしながら、現在利用可能なデータ駆動型モニタリングシステムは、高精度または解釈可能性のいずれかを要求に満たすことができず、実践での応用が妨げられています。
– この制限を克服するために、一般化されたメッセージパッシングフレームワークの下でデータ駆動型アプローチでAttentionMixerを提案しています。
– モデルの精度を向上させるために、最初の技術貢献は、空間的および時間的適応型メッセージパッシングブロックを開発し、それぞれ空間的および時間的相関を捕捉することができ、2つのブロックはミキシング演算子を介してカスケードされます。
– モデルの解釈可能性を向上させるために、2番目の技術貢献はスパースなメッセージパッシング正則化子の実装で、誤ったメッセージパッシングルートを排除します。
– AttentionMixerアプローチの効果は、原子力発電所の国民放射線モニタリングネットワークから収集されたモニタリングベンチマークで包括的な評価によって検証され、実践でのモニタリングの精度と解釈可能性が向上しています。

要約(オリジナル)

An accurate and explainable automatic monitoring system is critical for the safety of high efficiency energy conversion plants that operate under extreme working condition. Nonetheless, currently available data-driven monitoring systems often fall short in meeting the requirements for either high-accuracy or interpretability, which hinders their application in practice. To overcome this limitation, a data-driven approach, AttentionMixer, is proposed under a generalized message passing framework, with the goal of establishing an accurate and interpretable radiation monitoring framework for energy conversion plants. To improve the model accuracy, the first technical contribution involves the development of spatial and temporal adaptive message passing blocks, which enable the capture of spatial and temporal correlations, respectively; the two blocks are cascaded through a mixing operator. To enhance the model interpretability, the second technical contribution involves the implementation of a sparse message passing regularizer, which eliminates spurious and noisy message passing routes. The effectiveness of the AttentionMixer approach is validated through extensive evaluations on a monitoring benchmark collected from the national radiation monitoring network for nuclear power plants, resulting in enhanced monitoring accuracy and interpretability in practice.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI