文献

J-GLOBAL ID：201802223622504065   整理番号：18A0655402

畳込みニューラルネットワークに基づくタバコの物質組成識別法【JST・京大機械翻訳】

Identification of tobacco components in cut filler based on convolutional neural network

著者 (8件)： Gao Zhenyu (中国科学院合肥物質科学研究院応用技術研究所,合肥市長江西路2221号 230088;中国科学技術大学,合肥市包河区金寨路96号 230026) ,  Wang An (中国科学院合肥物質科学研究院応用技術研究所,合肥市長江西路2221号,230088) ,  Dong Hao (国家烟草質量監督検験中心,鄭州高新技術産業開発区楓楊街2号,450001) ,  Liu Yong (中国科学院合肥物質科学研究院応用技術研究所,合肥市長江西路2221号,230088) ,  Wang Jinping (国家烟草質量監督検験中心,鄭州高新技術産業開発区楓楊街2号,450001) ,  Zhou Mingzhu (国家烟草質量監督検験中心,鄭州高新技術産業開発区楓楊街2号,450001) ,  Xia Yingwei (中国科学院合肥物質科学研究院応用技術研究所,合肥市長江西路2221号,230088) ,  Zhang Long (中国科学院合肥物質科学研究院応用技術研究所,合肥市長江西路2221号,230088)
資料名： Yancao Keji  (Yancao Keji)
巻： 50  号： 9  ページ： 68-75  発行年： 2017年 
JST資料番号： C3033A  ISSN： 1002-0861  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： 混合タバコの組成の検出要求を満たすために,葉,糸,膨張糸,およびタバコ葉の4つの種類の構造特性の差異に従って,深さ学習法を用いて,畳込みニューラルネットワークに基づくタバコの構成モデルを確立した。神経回路網の入力としてタバコの微細構造特徴を示す局所特徴画像を用いて,各特徴画像に対応する出力結果を分析し,統計的方法によりタバコの構成成分を得た。結果は以下を示した。認識モデルは,訓練サンプルと試験サンプルに対して,それぞれ100%と84.95%の認識精度を有し,モデルの畳込みニューラルネットワークは,対応する結果を示し,それにより,タバコサンプルの認識精度を改善することができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 神経回路網 ,  微細構造 ,  *たばこ ,  認知モデル ,  統計的方法 ,  学習 ,  構造特性 ,  構成モデル ,  画像
準シソーラス用語： 認識精度 ,  局所特徴 , 【Automatic Indexing@JST】

著者キーワード (9件)： Convolutional neural network ,  Cut strip ,  Cut stem ,  Expanded cut strip ,  Cut reconstituted tobacco ,  Back propagation ,  Deep learning ,  Structural characteristic ,  Component identification

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 畳込みニューラルネットワーク ,  タバコ ,  物質 ,  組成 ,  識別