La IA y los problemas difíciles del mundo · Fusión nuclear y energía · arXiv · 2026-10-23
Sobremuestreo sintético de la clase minoritaria de inspiración cuántica y robusto al ruido para la monitorización de condición y la clasificación de fallos en sistemas industriales y energéticos
Título original: Noise-Robust Quantum-Inspired Synthetic Minority Oversampling for Condition Monitoring and Fault Classification in Industrial and Energy Systems
El desequilibrio de clases dificulta que el aprendizaje automático aprenda los patrones de fallos minoritarios en la monitorización de condición industrial. Los autores amplían el método de sobremuestreo Quantum SMOTE añadiendo ruido directamente en su estimación de similitud basada en swap test, de modo que pueda evaluarse la robustez del propio sobremuestreo. En cuatro conjuntos de datos públicos y cinco clasificadores, QSMOTE mejoró los resultados hasta en un 170% en un conjunto de datos de fallos de motor, y los efectos del ruido variaron según el modelo de ruido y el clasificador.