文献

J-GLOBAL ID：201802227817037082   整理番号：18A1346686

訓練分類器のための地上およびホーニング技術面のシミュレーションのためのアプローチ【JST・京大機械翻訳】

An Approach for the Simulation of Ground and Honed Technical Surfaces for Training Classifiers

著者 (5件)： Rief Sebastian (Institute for Measurement and Sensor-Technology, University of Kaiserslautern, Gottlieb-Daimler-Strasse, 67663 Kaiserslautern, Germany) ,  Stroer Felix (Institute for Measurement and Sensor-Technology, University of Kaiserslautern, Gottlieb-Daimler-Strasse, 67663 Kaiserslautern, Germany) ,  Kiess Simon (Institute for Measurement and Sensor-Technology, University of Kaiserslautern, Gottlieb-Daimler-Strasse, 67663 Kaiserslautern, Germany) ,  Eifler Matthias (Institute for Measurement and Sensor-Technology, University of Kaiserslautern, Gottlieb-Daimler-Strasse, 67663 Kaiserslautern, Germany) ,  Seewig Jorg (Institute for Measurement and Sensor-Technology, University of Kaiserslautern, Gottlieb-Daimler-Strasse, 67663 Kaiserslautern, Germany)
資料名： Technologies (Web)  (Technologies (Web))
巻： 5  号： 4  ページ： 66  発行年： 2017年 
JST資料番号： U7284A  ISSN： 2227-7080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： ニューラルネットワークの訓練は大量のデータを必要とする。シミュレーションデータセットは,訓練に必要なデータが利用できない場合に役立つ。しかし,ニューラルネットワークを訓練するためのシミュレーションデータセットの適用性は,用いたシミュレーションモデルの品質に依存する。予め定義された特性を有する地面および表面のシミュレーションのための簡単で高速な手法を提示した。この手法を用いて,多様なデータセットを生成した。次に,この集合を適用して,表面型認識のためのニューラル畳込みネットワークを訓練した。得られた分類器を一連の実測定データに基づいて検証し,>85%の分類率を達成した。提示した手順の応用の可能な分野は,認識されたタイプの製造プロセスに依存して,特定のデータ処理ステップの提案による測定データの標準準拠評価における測定技術者の支援である。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *シミュレーション ,  畳込み ,  シミュレーションモデル ,  ネットワーク ,  品質 ,  *ホーニング ,  ニューラルネットワーク ,  適応性 ,  データ処理 ,  高速度 ,  生産工程 ,  神経回路網

著者キーワード (7件)： 技術面 ,  微細構造表面 ,  研削 ,  ホーニング ,  表面のシミュレーション ,  表面の分類 ,  畳込みニューロンネットワーク

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

引用文献 (30件)：

• ISO 25178-3: 2012-11. Geometrical Product Specifications (GPS)-Surface Texture: Areal-Part 3: Specification Operators (ISO 25178-3:2012); ISO: Geneva, Switzerland, 2012.
• ISO 25178-2: 2012-09. Geometrical Product Specifications (GPS)-Surface Texture: Areal-Part 2: Terms, Definitions and Surface Texture Parameters (ISO 25178-2:2012); ISO: Geneva, Switzerland, 2012.
• ISO 16610-61: 2015-07. Geometrical Product Specification (GPS)-Filtration-Part 61: Linear Areal Filters-Gaussian Filters; ISO: Geneva, Switzerland, 2015.
• ISO 16610-71: 2014-09. Geometrical Product Specifications (GPS)-Filtration-Part 71: Robust Areal Filters: Gaussian Regression Filters; ISO: Geneva, Switzerland, 2014.
• Böttner, T.; Mauch, F.; Osten, W.; Riedel, J.; Schmitt, R.; Schmidt, H.; Hausotte, T.; Wiehr, C.; Seewig, J. Helfer ohne Fehl und Tadel-Assistenzsysteme für den sicheren Einsatz optischer Abstandssensoren. Inspect 2014, 15, 74-75. (In German)

タイトルに関連する用語 (5件)： 訓練 ,  分類器 ,  地上 ,  ホーニング ,  シミュレーション