文献

J-GLOBAL ID：202002216952467011   整理番号：20A0951507

産業用レーザ切断機における切断品質推定:機械学習アプローチ【JST・京大機械翻訳】

Cut Quality Estimation in Industrial Laser Cutting Machines: A Machine Learning Approach

著者 (4件)： Santolini Giorgio (University of Trento) ,  Rota Paolo (University of Trento) ,  Gandolfi Davide (Adige S.p.A.) ,  Bosetti Paolo (University of Trento)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CVPRW  ページ： 389-397  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 産業生産品質を改善するための機械学習モデルの使用は,年の後より人気のある年になっている。主な理由は,過去10年間に達成されたそのような方法の巨大なデータアベイラビリティと性能の印象的なブーストである。本研究では,3つの良く知られた機械学習アルゴリズムの適応を提案し,産業用レーザ切断機におけるカットの品質を推定した。ここでの挑戦は,異なるセンサから来る多モードパラメータのプールを使用し,近オンラインモダリティにおける機械の切削状態を検出するためにそれらを融合させることである。次に,Gauss混合モデル,再帰ニューラルネットワーク,および教師つき設定における概念的ニューラルネットワークに基づく生成的および識別的アプローチを解析した。結果は,参照に自由に利用できる新しいデータセットについて計算した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 切削 ,  ニューラルネットワーク ,  アベイラビリティ ,  センサ ,  多モード ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： Gauss混合モデル ,  レーザ切断機 , 【Automatic Indexing@JST】

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E) ,  医用画像処理  (JE04020T) ,  符号理論  (ND02030R) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (5件)： 産業 ,  レーザ切断機 ,  切断品質 ,  推定 ,  機械学習