Development and Application of Deep Belief Networks for Predicting Railway Operation Disruptions

Olga Fink 1 Enrico Zio 2, 3 Ulrich Weidmann 1
3 Chaire Sciences des Systèmes et Défis Energétiques EDF/ECP/Supélec
LGI - Laboratoire Génie Industriel - EA 2606, SSEC - Chaire Sciences des Systèmes et Défis Energétiques EDF/ECP/Supélec
Abstract : In this paper, we propose to apply deep belief networks (DBN) to predict potential operational disruptions caused by rail vehicle door systems. DBN are a powerful algorithm that is able to detect and extract complex patterns and features in data and has demonstrated superior performance on several benchmark studies. A case study is shown whereby the DBN are trained and applied on real case study from a railway vehicle fleet. The DBN were shown to outperform a feedforward neural network trained by a genetic algorithm.
Type de document :
Article dans une revue
International Journal of Performability Engineering, 2015, 11 (2), pp.121-134
Liste complète des métadonnées

Littérature citée [8 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01259645
Contributeur : Yanfu Li <>
Soumis le : mercredi 20 janvier 2016 - 17:21:39
Dernière modification le : vendredi 20 octobre 2017 - 01:18:01
Document(s) archivé(s) le : vendredi 11 novembre 2016 - 13:42:32

Fichier

New pp.121-134 Paper 2 IJPE 58...
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01259645, version 1

Citation

Olga Fink, Enrico Zio, Ulrich Weidmann. Development and Application of Deep Belief Networks for Predicting Railway Operation Disruptions. International Journal of Performability Engineering, 2015, 11 (2), pp.121-134. 〈hal-01259645〉

Partager

Métriques

Consultations de la notice

98

Téléchargements de fichiers

180