کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10156164 1666377 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Deep learning for smart manufacturing: Methods and applications
ترجمه فارسی عنوان
یادگیری عمیق برای تولید هوشمند: روش ها و برنامه های کاربردی
کلمات کلیدی
ترجمه چکیده
تولید هوشمند به استفاده از تجزیه و تحلیل پیشرفته داده ها برای تکمیل علوم فیزیکی برای بهبود عملکرد سیستم و تصمیم گیری اشاره دارد. با استفاده گسترده از حسگرها و اینترنت چیزها، نیاز به افزایش نیاز به پردازش اطلاعات بزرگ تولید شده با حجم زیاد، سرعت بالا و تنوع بالا وجود دارد. آموزش عمیق ابزار پیشرفته تجزیه و تحلیل را برای پردازش و تجزیه و تحلیل داده های تولید بزرگ فراهم می کند. این مقاله، یک بررسی جامع از الگوریتم های یادگیری عمیق مورد استفاده را ارائه می دهد و برنامه های کاربردی خود را در زمینه تولید ساختاری در اختیار دارد. تکامل فن آوری های یادگیری عمیق و مزایای آنها نسبت به یادگیری ماشین های سنتی در ابتدا مورد بحث قرار گرفته است. در ادامه، روشهای محاسباتی مبتنی بر یادگیری عمیق به طور خاص به منظور بهبود عملکرد سیستم در تولید ارائه می شود. چندین مدل یادگیری عمیق نماینده نسبتا مورد بحث قرار گرفته است. در نهایت، موضوع های در حال ظهور تحقیق در مورد یادگیری عمیق برجسته شده است، و روند و چالش های آینده مرتبط با یادگیری عمیق برای تولید هوشمند خلاصه شده است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
چکیده انگلیسی
Smart manufacturing refers to using advanced data analytics to complement physical science for improving system performance and decision making. With the widespread deployment of sensors and Internet of Things, there is an increasing need of handling big manufacturing data characterized by high volume, high velocity, and high variety. Deep learning provides advanced analytics tools for processing and analysing big manufacturing data. This paper presents a comprehensive survey of commonly used deep learning algorithms and discusses their applications toward making manufacturing “smart”. The evolvement of deep learning technologies and their advantages over traditional machine learning are firstly discussed. Subsequently, computational methods based on deep learning are presented specially aim to improve system performance in manufacturing. Several representative deep learning models are comparably discussed. Finally, emerging topics of research on deep learning are highlighted, and future trends and challenges associated with deep learning for smart manufacturing are summarized.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Manufacturing Systems - Volume 48, Part C, July 2018, Pages 144-156
نویسندگان
, , , , ,