文献

J-GLOBAL ID：201502246951213290   整理番号：15A0321505

残差最小化学習ニューラルネットワークを用いた電離圏トモグラフィーの性能評価

Validation of Ionospheric Tomography using Residual Minimization Training Neural Network

著者 (3件)： 廣岡伸治 (千葉大学大学院理学研究科) ,  廣岡伸治 (國立中央大學太空科學研究所) ,  服部克巳 (千葉大学大学院理学研究科)
資料名： 電気学会論文誌 A  (IEEJ Transactions on Fundamentals and Materials)
巻： 135  号： 2  ページ： 117-123 (J-STAGE)  発行年： 2015年 
JST資料番号： S0808A  ISSN： 0385-4205  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本論文では,残差最小化学習ニューラルネットワーク(RMTNN)法を用いた電離層トモグラフィーの性能について数値実験を行い,1)ノイズ特性と2)構造の検出能力の点から評価した。ノイズ特性についてはSTECの平均値に対し約2.5%以下の標準偏差を持つノイズであれば概ね精度の高い再構成が可能であることが分かった。構造の検出能力について,半値幅10°,厚さ90km,ピーク値1.0E+11[e/m³]程度のガウス分布では,高度460~520kmの再構成領域周辺部を除くすべての領域で構造の検出が可能であることが確認された。また,高度280~340kmおよび高度640~700kmの全域でピーク値0.5E+11[e/m³]の構造が検出可能であった。

シソーラス用語： *残差 ,  改変 ,  *ニューラルネットワーク ,  *電離層擾乱 ,  *測定誤差 ,  *大気プラズマ ,  測定精度 ,  位相変動 ,  電離層シンチレーション ,  密度分布 ,  *三次元 ,  *可視化 ,  *断層画像 ,  *画像再構成 ,  実験 ,  学習 ,  数 ,  プラズマ診断 ,  *電離層 ,  電子密度 ,  GPS ,  数値実験 ,  全電子数 ,  電子密度分布 ,  電離層プラズマ
準シソーラス用語： GPS【位置決め】 ,  最小化 ,  *残差最小化 ,  残差最小化学習 ,  残差最小化学習ニューラルネットワーク ,  電離層トモグラフィー

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  電離層・熱圏  (DC04050O)

引用文献 (12件)：

• (1) J. R. Austen, S. J. Franke, and C. H. Liu : “Ionospheric image using computerized tomography”, Radio Sci., Vol. 23, pp. 299-307 (1988)
• (2) T. D. Raymund, J. R. Austen, S. J. Franke, C. H. Liu, J. A. Klobuchar, and J. Stalker : “Application of computerized tomography to the investigation of ionospheric structures”, Radio Sci., Vol. 25, pp. 771-789 (1990)
• (3) Y. Yao, J. Tang, J. Kong, L. Zhang, and S. Zhang : “Application of hybrid regularization method for tomographic reconstruction of midlatitude ionospheric electron density”, Advances Space Res., Vol. 52, No. 12, pp. 2215-2225 (2013)
• (4) C.-H. Chen : “Modeling and Observational Studies of Plasma Density Anomalies and Earthquake-triggered Disturbances in the Mid-latitude Ionosphere”, 京都大学大学院理学研究科博士論文 (2012)
• (5) X. F. Ma, T. Maruyama, G. Ma, and T. Takeda : “Three-dimensional ionospheric tomography using observation data of GPS ground receivers and ionosonde by neural network”, J. Geophys. Res., Vol. 110, A05308, Doi: 10.1029/2004JA010797 (2005)

タイトルに関連する用語 (7件)： 残差 ,  最小化 ,  学習 ,  ニューラルネットワーク ,  電離圏 ,  トモグラフィー ,  性能評価