AI और दुनिया की कठिन समस्याएँ · नाभिकीय फ्यूजन और ऊर्जा · arXiv · 2026-10-23

औद्योगिक और ऊर्जा प्रणालियों में कंडीशन मॉनिटरिंग और दोष वर्गीकरण के लिए शोर-सह क्वांटम-प्रेरित सिंथेटिक माइनॉरिटी ओवरसैंपलिंग

मूल शीर्षक: Noise-Robust Quantum-Inspired Synthetic Minority Oversampling for Condition Monitoring and Fault Classification in Industrial and Energy Systems

क्लास असंतुलन के कारण औद्योगिक कंडीशन मॉनिटरिंग में मशीन लर्निंग के लिए अल्पसंख्यक दोष पैटर्न सीखना कठिन हो जाता है। लेखक Quantum SMOTE ओवरसैंपलिंग विधि का विस्तार करते हैं, जिसमें इसके स्वैप-टेस्ट-आधारित समानता आकलन में सीधे नॉइज़ जोड़ा जाता है, ताकि ओवरसैंपलिंग की मज़बूती का परीक्षण किया जा सके। चार सार्वजनिक डेटासेट और पाँच क्लासिफ़ायर पर, QSMOTE ने इंजन-विफलता डेटासेट पर परिणामों में 170% तक सुधार किया, और नॉइज़ के प्रभाव नॉइज़ मॉडल और क्लासिफ़ायर के अनुसार भिन्न रहे।

मूल लेख पढ़ें ↗

सभी आइटम →