文献

J-GLOBAL ID：201602280653929884   整理番号：16A0891259

最適化RBFニューラルネットワークに基づくパイプライン欠陥は,分析方法を定量化した。【JST・京大機械翻訳】

Quantitative Analysis Method for Pipeline Defects Based on Optimized RBF Neural Network

著者 (5件)： Zhu Hongxiu (School of Mechanical Electronic & Information Engineering,China University of Mining & Technology(Beijing)) ,  Liu Huan (School of Mechanical Electronic & Information Engineering,China University of Mining & Technology(Beijing)) ,  Li Hongyuan (School of Mechanical Electronic & Information Engineering,China University of Mining & Technology(Beijing)) ,  Huang Songling (State Key Lab of Power Systems,Department of Electrical Engineering,Tsinghua University) ,  Su Zhiyi (State Key Lab of Power Systems,Department of Electrical Engineering,Tsinghua University)
資料名： Yibiao Jishu yu Chuanganqi  (Yibiao Jishu yu Chuanganqi)
号： 2  ページ： 83-86  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： 正しく評価するパイプラインの使用寿命と安全性状態のために,パイプラインの欠陥に対しては正確な定量分析を行うことが必要である。1つの一般化能力を最適化に基づくオンライン学習の動径基底関数(RBF)神経回路網を提案し,具体的なアルゴリズムのステップを提示し,自己適応学習機構はネットワークを訓練して,そして利用ANSOFT MAXWELL 3Dシミュレーション欠陥データをサンプルとして試験を行い,確立した。結果:このネットワークの訓練の効率が高く,汎化能力が良く,サンプルの適応能力は著しく増強した。この方法では,異なる形態の欠陥を持つクォンタイズに寄与し,パイプラインの安全評価のために根拠を提供する。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 動径基底関数 ,  安全性 ,  汎化 ,  神経回路網 ,  *ネットワーク ,  定量分析 ,  アルゴリズム ,  *最適化 ,  三次元 ,  安全評価 ,  学習
準シソーラス用語： 適応能力 ,  自己適応 ,  オンライン学習 ,  *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)： defect ,  quantitative analysis ,  radial-basis function neural networks ,  generalization ability

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 最適化 ,  RBFニューラルネットワーク ,  パイプライン ,  欠陥 ,  分析 ,  定量化