Bernal de Lázaro, J. M., Llanes Santiago, O., Prieto Moreno, A., del Castillo-Serpa, A. e Silva Neto, A. J., A Novel Index for the Robustness Comparison of Classifiers in Fault Diagnosis, Neurocomputing, Vol. 275, pp. 636-648, 2018
O projeto de sistemas robustos de diagnóstico de falhas com base em dados pode ser formulado em termos de tarefas de classificação . Um classificador de diagnóstico projetado para minimizar efetivamente as taxas de alarmes falsos e ausentes resultantes de ruído, incerteza e distúrbios desconhecidos, enquanto mantém um desempenho relativamente alto, pode ser definido como robusto. Este artigo apresenta um novo critério para comparar a robustez de classificadores off-line. O índice proposto permite complementar a taxa estimada de classificação incorreta e quantificar a qualidade de qualquer sistema de diagnóstico baseado em dados de forma mais rigorosa. Para avaliar a eficácia do índice proposto, tanto Redes Neurais Artificiais quanto Máquinas de Vetores de Suporte são usados como classificadores de diagnóstico para o benchmark Continuous Stirred-Tank Reactor.