文献

J-GLOBAL ID：202102278118611571   整理番号：21A1774896

セタン数予測への整流線形ユニット(ReLU)ベース人工ニューラルネットワークの応用【JST・京大機械翻訳】

Application of a Rectified Linear Unit (ReLU) Based Artificial Neural Network to Cetane Number Predictions

著者 (3件)： Kessler Travis (University of Massachusetts Lowell, Lowell, MA) ,  Dorian Gregory (University of Massachusetts Lowell, Lowell, MA) ,  Mack J. Hunter (University of Massachusetts Lowell, Lowell, MA)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： ICEF2017  ページ： Null  発行年： 2017年 
JST資料番号： A0478C  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： 包括的な試験のための代替燃料候補を合成するのに必要な高いコストと時間のため,人工ニューラルネットワーク(ANN)を用いて燃料特性を予測し,研究者が望ましい燃料候補を先例的にスクリーニングすることを可能にする。しかし,ANNの精度は,与えられた入力データベースから導かれる二乗平均平方根誤差(RMSE),標準偏差,およびr二乗値によって測定される誤差によって制限される。本研究は,ANNのニューロン活性化関数をS状から修正線形ユニット(ReLU)に変えることにより,Cetan数(CN)を予測するための既存のモデルを改善する。ANNのアーキテクチャへのこの変化は,RMSEを21.4%(1.35CN単位),平均標準偏差を28%,またr二乗値を広い分子構造にわたって0.0492増加させた。さらに,ReLU活性化関数を用いることにより,入力データは正規化する必要がなく,正規化の範囲外で入力パラメータを持つ将来の燃料候補に関する不正確な予測の尤度を低減する。この方法における予測ANNの精度の増加は,研究者が有望な燃料候補のためのより正確な燃料特性予測を得ることを可能にするであろう。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分子構造 ,  標準偏差 ,  ニューロン ,  *ニューラルネットワーク ,  線形性 ,  *整流 ,  代替燃料 ,  計算機アーキテクチャ ,  正規化 ,  予測誤差
準シソーラス用語： 活性化関数 ,  尤度 ,  燃料特性 ,  入力データ , 【Automatic Indexing@JST】

分類 (1件)： 生物燃料及び廃棄物燃料  (LB02020Y)

タイトルに関連する用語 (6件)： セタン ,  予測 ,  整流 ,  線形 ,  人工ニューラルネットワーク ,  応用