文献

J-GLOBAL ID：202102272037142451   整理番号：21A3309300

フラクタル理論と組み合わせた正則化極端学習機械による不規則ペレット画像の特徴認識【JST・京大機械翻訳】

Feature recognition of irregular pellet images by regularized Extreme Learning Machine in combination with fractal theory

著者 (10件)： Liu Weixing (Modern Metallurgical Technique Key Laboratory of Ministry of Education, North China University of Science and Technology, Tangshan, 063000, China) ,  Yan Shaohong (Hebei Key Laboratory of Data Science and Application, North China University of Science and Technology, Tangshan, 063000, China) ,  Chen Tailong (The College of Science, North China University of Science and Technology, Tangshan, 063000, China) ,  Cheng Jiaqing (The College of Science, North China University of Science and Technology, Tangshan, 063000, China) ,  Wang Ke (The College of Science, North China University of Science and Technology, Tangshan, 063000, China) ,  Song Jintao (The College of Science, North China University of Science and Technology, Tangshan, 063000, China) ,  Yang Aimin (The College of Science, North China University of Science and Technology, Tangshan, 063000, China) ,  Li Jie (Modern Metallurgical Technique Key Laboratory of Ministry of Education, North China University of Science and Technology, Tangshan, 063000, China) ,  Xing Hongwei (Modern Metallurgical Technique Key Laboratory of Ministry of Education, North China University of Science and Technology, Tangshan, 063000, China) ,  Zhang Yuzhu (Modern Metallurgical Technique Key Laboratory of Ministry of Education, North China University of Science and Technology, Tangshan, 063000, China)
資料名： Future Generation Computer Systems  (Future Generation Computer Systems)
巻： 127  ページ： 92-108  発行年： 2022年 
JST資料番号： A0620C  ISSN： 0167-739X  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： 著者らが知っているように,フラクタル理論は不規則な画像処理と解析のための有効な方法であり,他のベースライン法を用いて実装するのは難しい。しかしながら,フラクタル理論と組み合わせた極端学習機械(ELM)アルゴリズムは,画像処理,変換,データ予測などにおける単一フラクタル理論より良い解を提供できる。不規則なペレット画像の微細構造におけるヘマタイト,マグネタイト,ケイ酸カルシウム,カルシウムフェライト,および気孔のフラクタル次元,面積比,および平均周辺を含む特徴を,人工知能(AI)技術によって抽出した。ペレット画像の特徴に適したALベースのELMモデルを構築して,ELMモデルを正則化によって最適化して,ペレット画像の特性パラメータを改良ELMアルゴリズムによって予測して,隠れ層におけるニューロンノードの最適数をあらゆる鉱物のために得た。結果は,不規則なペレット画像の特徴におけるモデル訓練と予測の効率が,ベースライン法と非常に匹敵することを示した。この方法は,ペレット画像品質のインテリジェント予測,制御,および最適化における参照として使用することができる。Copyright 2021 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： アルゴリズム ,  最適化 ,  磁鉄鉱 ,  ニューロン ,  ペレット ,  赤鉄鉱 ,  ケイ酸カルシウム ,  気孔 ,  画像処理 ,  画質 ,  人工知能 ,  *正則化 ,  フラクタル次元 ,  カルシウムフェライト
準シソーラス用語： 隠れ層 , 【Automatic Indexing@JST】

著者キーワード (5件)： ELM ,  フラクタル理論 ,  人工知能 ,  特徴認識 ,  不規則ペレット画像

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： フラクタル理論 ,  正則化 ,  極端学習機械 ,  ペレット ,  特徴認識