文献

J-GLOBAL ID：201702288572435230   整理番号：17A1715673

セラミックスのイオン伝導率の予測のための畳込みニューラルネットワークを用いた微細構造の認識【Powered by NICT】

Microstructure recognition using convolutional neural networks for prediction of ionic conductivity in ceramics

著者 (5件)： Kondo Ruho (Toyota Central Research and Development Laboratories Inc., Nagakute, Aichi, 480-1192, Japan) ,  Yamakawa Shunsuke (Toyota Central Research and Development Laboratories Inc., Nagakute, Aichi, 480-1192, Japan) ,  Masuoka Yumi (Toyota Central Research and Development Laboratories Inc., Nagakute, Aichi, 480-1192, Japan) ,  Tajima Shin (Toyota Central Research and Development Laboratories Inc., Nagakute, Aichi, 480-1192, Japan) ,  Asahi Ryoji (Toyota Central Research and Development Laboratories Inc., Nagakute, Aichi, 480-1192, Japan)
資料名： Acta Materialia  (Acta Materialia)
巻： 141  ページ： 29-38  発行年： 2017年 
JST資料番号： A0316A  ISSN： 1359-6454  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 畳込みニューラルネットワーク(CNN)は,最近,画像認識タスクに関して最先端技術レベルの性能を示した。本研究では,CNNを採用し対応するイオン伝導性をもつ実験的微細構造をリンクした。結果は,CNNはわずか七顕微鏡写真を用いて訓練が可能であることを明らかにし,その性能は手作りの特徴を用いた従来の方式を超えていた。CNNの使用時での主な欠点は,それらの高い抽出特徴の貧弱な解釈可能性であるが,提案した訓練方式に適しており,肉眼像から画像の全ての代表的な巨視的特性を持つと仮定して特徴可視化法を提案した。可視化結果は,このCNNは巨視的性質と大きな相関を持つ意味論的特徴,ボイドの数と空孔のない領域を自動的に抽出することを示した。これらの特徴を解析することにより,CNNの予測精度を保証し,訓練セットの準備のために有用な指針を提供する代表的な体積要素の最適サイズを見出した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *セラミック ,  *畳込み ,  画像 ,  画像認識 ,  *微細構造 ,  可視化 ,  最適規模 ,  意味論 ,  顕微鏡写真 ,  *イオン伝導 ,  *ニューラルネットワーク
準シソーラス用語： 予測精度 ,  最先端技術 ,  *イオン伝導率 , 【Automatic Indexing@JST】

著者キーワード (5件)： 超イオン伝導体 ,  EBSD ,  Microstructure ,  画像解析 ,  深い学習

分類 (1件)： 機械的性質  (WB02030U)

タイトルに関連する用語 (5件)： セラミックス ,  イオン伝導率 ,  予測 ,  畳込みニューラルネットワーク ,  微細構造