観測信頼度推論に基づく制限学習ネットワークを用いた少数サンプル劣化モデリング 学術的背景 複雑なエンジニアリングシステムにおいて、複数のセンサーが機器の劣化プロセスを監視し、残存寿命（Remaining Useful Life, RUL）を予測するために広く使用されています。しかし、サンプル数が限られている状況では、予測性能を確保することは依然として課題です。少数サンプルのシナリオでは、センサーデータに含まれる不一致な観測値（discordant observations）が大きな不確実性を引き起こし、経験的損失と期待される損失の間に大きな乖離が生じます。さらに、学習された劣化モデルは限られたサンプルに過剰適合（過学習）しやすく、モデルパラメータの分布に偏りが生じ、未見のサンプルに対する汎化...