文献

J-GLOBAL ID：202102235548646945   整理番号：21A0013388

高速スクイーズネットによる深層学習に基づく電子部品認識アルゴリズム【JST・京大機械翻訳】

An Electronic Component Recognition Algorithm Based on Deep Learning with a Faster SqueezeNet

著者 (6件)： Xu Yuanyuan (Department of Automation, Shanghai Jiaotong University, Shanghai 200240, China) ,  Xu Yuanyuan (College of Information Science and Engineering, Huaqiao University, Xiamen 361021, China) ,  Yang Genke (Department of Automation, Shanghai Jiaotong University, Shanghai 200240, China) ,  Yang Genke (NingBo Artificial Intelligence Institute, Shanghai Jiaotong University, Ningbo 315000, China) ,  Luo Jiliang (College of Information Science and Engineering, Huaqiao University, Xiamen 361021, China) ,  He Jianan (Central Laboratory of Health Quarantine, Shenzhen International Travel Health Care Center, Shenzhen Academy of Inspection and Quarantine, Shenzhen Customs District, Shenzhen 518033, China)
資料名： Mathematical Problems in Engineering (Web)  (Mathematical Problems in Engineering (Web))
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： U7803A  ISSN： 1024-123X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 電子部品認識は,工業生産,電子製造,および試験において重要な役割を果たす。従来の画像認識技術(主成分分析(PCA)とサポートベクターマシン(SVM))の低い認識想起と精度の問題に取り組むために,本論文は,SqueezeNetネットワークをテストして,最適化するために複数の深い学習ネットワークを選択した。次に,本論文は,高速SqueezeNetネットワークに基づく電子部品認識アルゴリズムを提示した。この構造は,ネットワークの性能を損なうことなく,ネットワークパラメータと計算の複雑さのサイズを減らすことができる。結果は,提案したアルゴリズムが良好に機能し,受信者操作特性曲線(ROC)と曲線下面積(AUC),コンデンサとインダクタが1.0に達することを示した。FPRが[数式:原文を参照]レベルより少ないか等しいとき,TPRは0.99より大きいか等しい。その推論時間は,約2.67msであり,時間消費と性能に関して産業応用レベルを達成した。Copyright 2020 Yuanyuan Xu et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  コンデンサ ,  最適化 ,  *学習 ,  ネットワーク ,  *電子部品 ,  計算量 ,  特性曲線 ,  主成分分析 ,  工業生産 ,  サポートベクトルマシン ,  画像認識
準シソーラス用語： *認識アルゴリズム ,  産業応用 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

引用文献 (44件)：

• NASA parts selection list, https://nepp.nasa.gov/npsl/index.htm.
• FSC standard classification of military electronic components, https://tech.hqew.com/fangan_1652961.
• China Electronic Technology Standardization Institute. GB/T 17564.4-2001, IEC Standard Data Element Types and Related Classification Models for Electrical Components-Part 4: IEC Standard Data Element Types, Component Classifications, and Reference Sets of Items, China Standard Press, Beijing, China, 2001.
• Standardization Institute of Ministry of Electronic Industry, China Electronic Statistics Society. SJ/T 11144-1997, Electronic Product Classification and Code, vol. 7, Ministry of Electronics Industry, PRC, Beijing, China, 1999.
• B. Wang, "Base and current situation of data standardization for electronic components & devices," Electronic Component & Device Applications, vol. 11, pp. 30-32, 2010.

タイトルに関連する用語 (5件)： スクイーズ ,  ネット ,  深層学習 ,  電子部品 ,  認識アルゴリズム