文献

J-GLOBAL ID：202002257704307636   整理番号：20A2655682

深層学習特徴の特異値分解を用いたエポキシ樹脂のX線画像の可視指紋【JST・京大機械翻訳】

Visible fingerprint of X-ray images of epoxy resins using singular value decomposition of deep learning features

著者 (5件)： Avalos Edgar (Mathematical Science Group, WPI-Advanced Institute for Materials Research (AIMR), Tohoku University, Japan) ,  Akagi Kazuto (Mathematical Science Group, WPI-Advanced Institute for Materials Research (AIMR), Tohoku University, Japan) ,  Nishiura Yasumasa (Mathematical Science Group, WPI-Advanced Institute for Materials Research (AIMR), Tohoku University, Japan) ,  Nishiura Yasumasa (Research Institute for Electronic Science, Hokkaido University, Japan) ,  Nishiura Yasumasa (MathAM-OIL, Tohoku University and AIST, Japan)
資料名： Computational Materials Science  (Computational Materials Science)
巻： 186  ページ： Null  発行年： 2021年 
JST資料番号： W0443A  ISSN： 0927-0256  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： エポキシ樹脂のプロセス変数はそれらの機械的性質を変化させるが,最近,これらの樹脂のX線像の全変化は,これらの材料の靭性に影響する重要な特徴の1つであることが分かった。しかし,明確な方法でそのような違いを可視化する方法はまだ明らかではない。可視化を容易にするために,異なる種類のエポキシ樹脂のX線画像の強度場の勾配のロバスト近似を用い,次に,変換画像の最も代表的な特徴を発見するために深層学習を用いた。不均一材料のサンプルを識別するための特性特徴を見つけるための逆問題のこの解において,畳込みニューラルネットワークにおける初期層の応答マップのすべてのチャネルの特異値分解から得た固有ベクトルを用いた。最強の活性化チャネルは特性特徴の視覚的表現を与えるが,しばしば,これらはいくつかの実用的設定において十分にロバストではない。他方,応答マップの行列分解の左特異ベクトルは,ネットワークの容量やネットワークアーキテクチャ変化のような変数ではほとんど変化しない。本研究では,特性特徴の高い分類精度とロバスト性を示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  ネットワーク ,  *エポキシ樹脂 ,  靱性 ,  可視化 ,  近似法 ,  逆問題 ,  *指紋 ,  *X線画像 ,  固有ベクトル ,  ロバスト性 ,  ネットワークアーキテクチャ ,  *特異値分解
準シソーラス用語： *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： エポキシ樹脂 ,  X線CTスキャン ,  深層学習 ,  畳込みニューラルネットワーク ,  コンピュータビジョン ,  構造-特性マッピング

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 深層学習 ,  特異値分解 ,  エポキシ樹脂 ,  X線画像 ,  指紋