AI اور دنیا کے مشکل مسائل · جوہری فیوژن اور توانائی · arXiv · 2026-10-23

صنعتی اور توانائی کے نظاموں میں کنڈیشن مانیٹرنگ اور فالٹ کلاسیفکیشن کے لیے شور کے خلاف مضبوط کوانٹم سے متاثرہ مصنوعی اقلیتی اوور سیمپلنگ

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

طبقاتی عدم توازن کی وجہ سے مشین لرننگ کے لیے صنعتی حالت کی نگرانی میں اقلیتی خرابی کے نمونے سیکھنا مشکل ہو جاتا ہے۔ مصنفین نے Quantum SMOTE اوور سیمپلنگ طریقے میں اس کے سوئیپ ٹیسٹ پر مبنی مماثلت کے تخمینے میں براہِ راست شور شامل کر کے اسے وسعت دی ہے، تاکہ خود اوور سیمپلنگ کی مضبوطی کو جانچا جا سکے۔ چار عوامی ڈیٹا سیٹس اور پانچ درجہ بند کنندگان پر QSMOTE نے انجن کی ناکامی کے ڈیٹا سیٹ پر نتائج میں 170% تک بہتری دکھائی، جبکہ شور کے اثرات شور کے ماڈل اور درجہ بند کنندہ کے مطابق مختلف رہے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →