使用惩罚张量回归的基于图像的预测
应用统计
2017-06-13 v1
摘要
本文提出了一种利用退化图像序列预测和更新系统剩余使用寿命的新方法。该方法将张量线性代数与在可靠性和预测中广泛使用的传统位置-尺度回归相结合。为应对高维挑战，首先将退化图像流投影到一个能够保留其信息的低维张量子空间。接着，通过惩罚位置-尺度张量回归将投影后的图像张量对失效时间进行回归。然后使用 CANDECOMP/PARAFAC (CP) 和 Tucker 分解对系数张量进行分解，从而实现在高维环境下的参数估计。开发了两种具有全局收敛性质的优化算法用于模型估计。使用模拟数据集和来自旋转机械的红外退化图像流验证了模型的有效性。
引用
@article{arxiv.1706.03423,
title = {Image-Based Prognostics Using Penalized Tensor Regression},
author = {Xiaolei Fang and Kamran Paynabar and Nagi Gebraeel},
journal= {arXiv preprint arXiv:1706.03423},
year = {2017}
}