KI und die schwierigen Probleme der Welt · Kernfusion & Energie · arXiv · 2026-10-23
Rauschrobuste quanteninspirierte synthetische Minderheiten-Überabtastung für Zustandsüberwachung und Fehlerklassifikation in Industrie- und Energiesystemen
Originaltitel: Noise-Robust Quantum-Inspired Synthetic Minority Oversampling for Condition Monitoring and Fault Classification in Industrial and Energy Systems
Klassenungleichgewicht erschwert es dem maschinellen Lernen, seltene Fehlermuster bei der industriellen Zustandsüberwachung zu erlernen. Die Autoren erweitern die Oversampling-Methode Quantum SMOTE, indem sie Rauschen direkt in ihre auf dem Swap-Test basierende Ähnlichkeitsschätzung einfügen, sodass die Robustheit des Oversamplings selbst getestet werden kann. Über vier öffentliche Datensätze und fünf Klassifikatoren hinweg verbesserte QSMOTE die Ergebnisse um bis zu 170 % bei einem Datensatz zu Motorausfällen, und die Auswirkungen des Rauschens variierten je nach Rauschmodell und Klassifikator.