文献

J-GLOBAL ID：201702230645316853   整理番号：17A0534239

主成分分析とBPニューラルネットワークを結合した近赤外分光法に基づく高速プラスチック同定法を提案した。【JST・京大機械翻訳】

Rapid Identification of Common Plastics Based on Near-Infrared Spectrum with the Combination of Principal Component Analysis and BP Neural Network

著者 (5件)： Li Wenhuan (Institute of Optical and Electronic Science,China Jiliang University) ,  Jin Shangzhong (Institute of Optical and Electronic Science,China Jiliang University) ,  Chen Lingling (Institute of Optical and Electronic Science,China Jiliang University) ,  Xu Xiaokang (Institute of Optical and Electronic Science,China Jiliang University) ,  Wu Yiping (Hangzhou ChinSpec Technology Co.,Ltd.)
資料名： Suliao Gongye  (Suliao Gongye)
巻： 44  号： 12  ページ： 124-127,137  発行年： 2016年 
JST資料番号： C2208A  ISSN： 1005-5770  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： プラスチックの分別回収を実現するためには,プラスチックを迅速かつ正確に同定する必要がある。アクリロニトリル-ブタジエン-スチレン(ABS),ポリプロピレン(PP),ポリエチレン(PE),ポリエチレンテレフタレート(PET),ポリスチレン(PS),ポリ塩化ビニル(PVC),ポリカーボネート(PC)などの7種類のプラスチックを集めた。近赤外分光法を用いて反射スペクトルを測定し,主成分分析と逆伝搬(BP)ニューラルネットワークを用いてモデルを確立した。まず第一に,主成分分析によって抽出されたスペクトルの特性情報を用いて,最初の8つの主成分の累積寄与率は94.367%%に達し,8つの主成分をBPニューラルネットワークの入力とし,7各プラスチックの各30サンプルの合計210個を訓練し、ニューラルネットワークモデルを訓練し、各10個の合計70個を予測に用い、予測結果の正確率は98.571%%に達し、有効にプラスチックを鑑別できる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 反射スペクトル ,  *近赤外分光分析 ,  *ニューラルネットワーク ,  *高速度 ,  スペクトル ,  *主成分分析 ,  *プラスチック
準シソーラス用語： 神経回路網モデル ,  決定係数 ,  *逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： Near-infrared Spectrum ,  Plastics ,  Principal Component Analysis ,  Back-propagation Neural Network ,  Identification

分類 (1件)： 高分子材料一般  (YH07010B)

タイトルに関連する用語 (6件)： 主成分分析 ,  BPニューラルネットワーク ,  近赤外分光法 ,  プラスチック ,  同定法 ,  提案