文献

J-GLOBAL ID：201702284327730931   整理番号：17A0666230

ファジィニューラルネットワークアプローチを用いたロバストな超高分解能マイクロ波平面センサ【Powered by NICT】

Robust Ultra-High Resolution Microwave Planar Sensor Using Fuzzy Neural Network Approach

著者 (4件)： Abdolrazzaghi Mohammad (Department of Electrical and Computer Engineering, University of Alberta, Edmonton, AB, Canada) ,  Zarifi Mohammad Hossein (Department of Electrical and Computer Engineering, University of Alberta, Edmonton, AB, Canada) ,  Pedrycz Witold (Department of Electrical and Computer Engineering, University of Alberta, Edmonton, AB, Canada) ,  Daneshmand Mojgan (Department of Electrical and Computer Engineering, University of Alberta, Edmonton, AB, Canada)
資料名： IEEE Sensors Journal  (IEEE Sensors Journal)
巻： 17  号： 2  ページ： 323-332  発行年： 2017年 
JST資料番号： W1318A  ISSN： 1530-437X  CODEN： ISJEAZ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ファジィニューラルネットワーク(FNN)を用いたマイクロ波に基づく高感度測定にロバストかつフォールトトレラントな方法を開発した。,最近,マイクロ波chemic同定は,分解能を著しく増強する能動平面リング共振器を採用している。しかし,実際には,分解能の技術を改善する場合,結果は,測定装置とユーザ誤差のわずかな変動に傾向になった。最終配分からこれらの望ましくないで制御不可能な偏差を除去するために,著者らは,測定の一つ以上のパラメータを使用し,フォールトトレラント分類を得るためにセンシングの後処理段階で機械学習アーキテクチャとしてFNNを組み込んだ新しいロバストな手法を提案した。FNNで使用される種々のメンバシップ関数を比較し,平均四材料の81.5%まで(三パラメータ依存性)を49%(単一パラメータ依存)から精度を割り当てることに改善を示した,イソプロパノール(IPA),エタノール,アセトン,水など。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 計算機アーキテクチャ ,  フォールトトレランス ,  検出 ,  メンバシップ関数 ,  *分解能 ,  *ロバスト性 ,  後処理 ,  *ファジィニューラルネットワーク ,  リング共振器 ,  *マイクロ波 ,  機械学習 ,  計測器 ,  *センサ ,  脂肪族ケトン
準シソーラス用語： パラメータ依存性 , 【Automatic Indexing@JST】

分類 (1件)： 長さ,面積,断面,体積,容積,角度の計測法・機器  (AD05020O)

物質索引 (1件)： アセトン

タイトルに関連する用語 (3件)： ロバスト ,  超高分解能 ,  マイクロ波