Failure Prediction Using Robot Execution Data
- سال انتشار: 1390
- محل انتشار: پنجمین کنفرانس بین المللی پیشرفت های علوم و تکنولوژی
- کد COI اختصاصی: SASTECH05_125
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1662
نویسندگان
Student of Islamic Azad University of Mashhad,
Student of Islamic Azad University of Mashhad
Professor of Islamic Azad University of Mashhad
چکیده
Robust execution of robotic tasks is a difficult learning problem. Whereas correctly functioning sensors’ statements are consistent, partially corrupted or otherwise incomplete measurements will lead to inconsistencies within the robot’s learning model of the environment. So, methods of prediction (classification) of robot failure detection with erroneous or incomplete data deserve more attention.Studies have shown that the techniques combining to classification has become an effective tool in increasing the efficiency and accuracy the classifieds. The primary goal of the evaluation was to analyze the impact of erroneous data on predictive robot fault detection accuracy .And then show category, increases performance classification despite noise with combined categories. In this regard have used the data set associated with torque obtained from a humanoid robot. In this paper the performance of base-level classifiers and meta-level classifiers is compared. Bagged Naïve Bayes is found to perform consistently well across different settingsکلیدواژه ها
fault detection, incomplete data, and Meta classifiersمقالات مرتبط جدید
- یک رویکرد مبتنی بر پردازش زبان طبیعی و مدلهای یادگیری ماشین برای ارزیابی خودکار تکالیف نوشتاری دانش آموزان و ارائه بازخورد به معلمان
- ادغام یادگیری عمیق بیزی برای تشخیص و ارزیابی کیفیت سگمنتیشن سرطان با مدیریت عدم قطعیت
- Comparative Analysis of Automation Ecosystems and Playbooks in Check Point, Palo Alto, Fortinet, and Cisco Firewalls
- چارچوب یکپارچه برای بهینه سازی کارایی و تقویت امنیت سیستم های توزیع شده در محیط های ابری، IoT و Edge
- Uncovering Genetic and Signaling Pathway Alterations in Pompe Disease through Bioinformatics Approaches
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.