文献

J-GLOBAL ID：201702227774889595   整理番号：17A0077649

動径基底関数ニューラルネットワークに基づくパルス渦電流欠陥輪郭再構成【JST・京大機械翻訳】

Defect Profile Reconstruction From Pulsed Eddy Current Signals Based on Radial Basis Function Neural Network

著者 (4件)： Zhu Hongyun (Department of Unmanned Aerial Vehicles Engineering, Ordnance Engineering College) ,  Wang Changlong (Department of Unmanned Aerial Vehicles Engineering, Ordnance Engineering College) ,  Wang Jianbin (Department of Unmanned Aerial Vehicles Engineering, Ordnance Engineering College) ,  Jiang Tao (Department of Unmanned Aerial Vehicles Engineering, Ordnance Engineering College)
資料名： Yibiao Jishu yu Chuanganqi  (Yibiao Jishu yu Chuanganqi)
号： 6  ページ： 98-101  発行年： 2016年 
JST資料番号： C2449A  ISSN： 1002-1841  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： パルス渦電流技術を用いて,欠陥の輪郭を正確に検出するために,動径基底関数ニューラルネットワークに基づく欠陥輪郭再構成法を提案した。この方法は,再構成結果に及ぼすネットワーク構造の影響を減少させるために,主成分分析(PCA)を採用して,ネットワークの隠れ層の最小ノード数を計算し,そして,合理的ネットワーク構造を決定した。次に,ハイブリッド学習アルゴリズムを用いて,ネットワークパラメータを得て,勾配情報の減衰係数を導入することによって,解決プロセスを最適化した。最後に,パルス渦電流検出の欠陥輪郭再構成実験に適用した。動径基底関数ニューラルネットワーク(欠陥)に基づく欠陥輪郭再構成は,高い再構成精度を持つだけではなく,強いノイズ除去能力を持ち,効果的に実行可能なパルス渦電流欠陥輪郭再構成法である。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： ネットワーク構造 ,  アルゴリズム ,  *パルス ,  最適化 ,  主成分分析 ,  *渦電流 ,  雑音低減 ,  *ネットワーク ,  *再構成 ,  減衰定数
準シソーラス用語： ネットワークパラメータ ,  ハイブリッド学習 ,  隠れ層 ,  *動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： pulsed eddy current ,  defect profile reconstruction ,  radial basis function neural network(RBFNN) ,  hybrid learning algorithm

分類 (2件)： パターン認識  (JE07000S) ,  電力系統一般  (NB02000E)

タイトルに関連する用語 (6件)： 動径基底関数ニューラルネットワーク ,  パルス ,  渦電流 ,  欠陥 ,  輪郭 ,  再構成