文献

J-GLOBAL ID：202102277998112689   整理番号：21A0042278

改良限界学習マシンに基づくコークス炭質グループ分類法【JST・京大機械翻訳】

Classification approach for inertinite of coking coal based on an improved extreme learning machine

著者 (4件)： Wang Peizhen (安徽工業大学電气与信息工程学院,安徽馬鞍山243032;安徽工業大学冶金減排与資源綜合利用教育部重点実験室,安徽馬鞍山243032) ,  Liu Man (安徽工業大学電气与信息工程学院,安徽馬鞍山243032) ,  Wang Gao (安徽工業大学電气与信息工程学院,安徽馬鞍山243032) ,  Zhang Dailin (安徽工業大学煤的潔浄転化与綜合利用安徽省重点実験室,安徽馬鞍山243032)
資料名： Meitan Xuebao  (Meitan Xuebao)
巻： 45  号： 9  ページ： 3262-3268  発行年： 2020年 
JST資料番号： C2372A  ISSN： 0253-9993  CODEN： MTHPDA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 改良限界学習機械(ELM)に基づくコークス炭のイニシアニットのマイクロ成分分類法を,コークス炭のイニシアニット分類精度を改善して,分類装置訓練の人工的干渉を減少するために提案した。まず第一に,焦点石炭のイニシアニットグループにおける光特性および形態特性の差異と特性に従って,輝度,テクスチャ,および輝度比,平均値,分散,偏位,および輝度を,輝度,テクスチャ,および他の側面から抽出する。11次元初期特徴集合を,6つの輝度相関特性,すなわち,グレイ共起行列に基づくエネルギー,エントロピー,慣性モーメント,局所定常性,および最大確率を含む5つのテクスチャ関連特性に基づいて構築した。主成分分析(PCA)を用いて,特徴空間次元を減らし,情報冗長性を除去するために,初期特徴を抽出した。次に,特異値分解を限界学習機械に導入し,特異値分解を用いて,ELM隠れ層出力重み行列を解く方法を導き,改良限界学習機を構築した。改良限界学習機械は,一般のELM訓練における重み行列を解くために,多くの実験を通してパラメータを決定する必要があり,学習機械の知能化度を効果的に改善した。実験結果は以下を示した。サポートベクトルマシン(SVM)分類法と比較して,改良ELM方法は,分類装置訓練およびサンプル試験の速度,および,コークス炭のイニシアチニット試験サンプル分類の精度を,明らかに改善した。単一ELM法と比較して,改良ELM法分類器のネットワーク訓練はより速く,ネットワーク隠れ層ノード数は40%近く減少し,試験サンプル分類の精度は96.7%に達する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  干渉 ,  *学習 ,  冗長性 ,  石炭 ,  ネットワーク ,  分類装置 ,  輝度 ,  学習機械 ,  *コークス ,  主成分分析 ,  特異値分解 ,  サポートベクトルマシン
準シソーラス用語： 隠れ層 ,  特徴空間 , 【Automatic Indexing@JST】

分類 (2件)： 石炭の物理的・化学的処理  (YE04040E) ,  鉱山通気  (UA03020L)

タイトルに関連する用語 (7件)： 限界 ,  学習 ,  マシン ,  コークス ,  炭質 ,  グループ ,  分類法