文献

J-GLOBAL ID：202202225904556591   整理番号：22A0977088

双方向リカレントニューラルネットワークを用いたマルチ深さ容量性土壌水分センサの単一プローブ模倣【JST・京大機械翻訳】

Single Probe Imitation of Multi-Depth Capacitive Soil Moisture Sensor Using Bidirectional Recurrent Neural Network

著者 (3件)： Pal Pankaj (Department of Computer Science and Engineering, Indian Institute of Technology (ISM) at Dhanbad, Dhanbad, India) ,  Tripathi Sachin (Department of Computer Science and Engineering, Indian Institute of Technology (ISM) at Dhanbad, Dhanbad, India) ,  Kumar Chiranjeev (Department of Computer Science and Engineering, Indian Institute of Technology (ISM) at Dhanbad, Dhanbad, India)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 71  ページ： ROMBUNNO.9504311.1-11  発行年： 2022年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  資料種別： 逐次刊行物 (A)
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： 本研究では,IoT支援無線センサネットワーク(IoWSN)農場監視インフラストラクチャの低コストおよびエネルギー効率の良い実装のための,多重深さ容量性土壌水分センサの単一プローブ模倣を提案した。条件付け回路(CC)を考案して,土壌水移動の挙動および異なる深さでのプローブ周辺の土壌水分への影響を捉えた。捕捉された相関を用いて,参照深度で撮影された単一測定に基づいて,異なる土壌深度で土壌水分量(SWC)を推定するため,提案したニューラルネットワーク(NN)モデルを訓練した。ニューロンの重量を調整するため,訓練と試験データセットを測定キャンペーンを通して収集した。播種前の裸地における異なる深さで150のセンサノードを配置することによって,水田植生の作付期間にデータを収集した。人工ニューラルネットワーク(ANN)と双方向長短期メモリネットワーク(BLSTM)の2つのNNモデルを提案して,SWC推定の精度に基づいて比較した。この概念の有効性を実証するために,提案したセンサ設計を過去5年間にわたって報告された関連土壌水分センサと比較した。二乗平均平方根誤差(RMSE),{R{2}および平均絶対百分率誤差(MAPE)ベース分析は,提案したNNモデルの重要性を検証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： プローブ ,  ニューロン ,  *ニューラルネットワーク ,  深さ ,  多重化 ,  農場 ,  *土壌水 ,  土壌含水量 ,  インフラストラクチャー ,  センサ
準シソーラス用語： 裸地 ,  無線センサネットワーク ,  センサノード ,  *土壌水分計 ,  モノのインターネット , 【Automatic Indexing@JST】

分類 (2件)： 非破壊試験  (HB02030F) ,  土壌物理  (FB04030R)

タイトルに関連する用語 (7件)： 双方向 ,  リカレントニューラルネットワーク ,  マルチ ,  容量性 ,  土壌水分センサ ,  プローブ ,  模倣