文献

J-GLOBAL ID：201802215917454749   整理番号：18A0651586

紫外スペクトルの水質分析における部分空間の深さの回帰法の応用【JST・京大機械翻訳】

Random subspace deep regression and its application in water quality analysis of TOC in UV spectroscopy

著者 (4件)： Huang Hong (重慶大学光電技術及系統教育部重点実験室,重慶,400044) ,  Shi Guangyao (重慶大学光電技術及系統教育部重点実験室,重慶,400044) ,  Jin Yingying (重慶大学光電技術及系統教育部重点実験室,重慶,400044) ,  He Kai (重慶大学光電技術及系統教育部重点実験室,重慶,400044)
資料名： Jisuanji Yingyong Yanjiu  (Jisuanji Yingyong Yanjiu)
巻： 34  号： 10  ページ： 3020-3023  発行年： 2017年 
JST資料番号： C2536A  ISSN： 1001-3695  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： 紫外分光法によるTOC濃度の分析には、数量が多く、次元が高いなどの問題がある。この問題を解決するために,本論文は,部分空間の深さの回帰に基づく解析法を提案した。最初に,TOC標準溶液の紫外スペクトルデータを前処理して,吸光度データを得た。次に,高次元データ空間において低次元部分空間をランダムに選択し,異なる特徴部分集合を構築し,深さ信念ネットワークを用いて各部分集合を特徴抽出した。最後に,得られた低次元特徴を組み合わせてBPニューラルネットワークに送り込んで訓練を行い,TOC濃度反転モデルを構築した。構築した水質分析プラットフォーム上での実験結果により、提案した確率空間の深さ回帰に基づく水質分析方法は、TOC濃度の反転結果に対する相対誤差がすべて1%以内であり、また、反転結果の安定性と正確性も通常の水質分析方法より優れていることが分かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 特徴抽出 ,  吸光度 ,  *紫外スペクトル ,  部分集合 ,  *水質試験 ,  前処理
準シソーラス用語： 正確性 ,  相対誤差 ,  逆伝播ニューラルネットワーク ,  信念ネットワーク ,  低次元 ,  高次元データ ,  紫外分光法 ,  *部分空間 , 【Automatic Indexing@JST】

著者キーワード (4件)： ultraviolet spectrometry ,  random subspace ,  deep belief network ,  BP neural network

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 紫外スペクトル ,  水質分析 ,  応用