文献

J-GLOBAL ID：202202231323528580   整理番号：22A0800479

都市環境における確率的ソースターム推定のための随伴濃度分布のエントロピーに基づくセンサ配置最適化【JST・京大機械翻訳】

Sensor configuration optimization based on the entropy of adjoint concentration distribution for stochastic source term estimation in urban environment

著者 (2件)： Jia Hongyuan (The Graduate School of Engineering, The University of Tokyo, 4-6-1 Komaba, Meguro-ku, Tokyo, 153-8505, Japan) ,  Kikumoto Hideki (Institute of Industrial Science, The University of Tokyo, 4-6-1 Komaba, Meguro-ku, Tokyo, 153-8505, Japan)
資料名： Sustainable Cities and Society  (Sustainable Cities and Society)
巻： 79  ページ： Null  発行年： 2022年 
JST資料番号： W2908A  ISSN： 2210-6707  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： センサモニタリングはソースターム推定(STE)の基礎である。最近,Bayes推論に基づく確率的STE法が注目されている。しかし,モニタリングエリアにおける良好なSTE性能を確保するためのセンサ構成最適化(SCO)法を開発する研究はほとんどなく,事後確率は,ほとんどのソースに対処する間,真実の周りで集約できる。本研究では,目的関数を設計し,シミュレーテッドアニーリング(SA)アルゴリズムを適用することにより展開法を提案した。目的関数を随伴濃度の情報結合エントロピーとして設定した。提案手法の性能を,規則的ブロックアレイ構築グループモデルで得られた最適構成に基づく25の未知ソースに対するBayes推定STEによって評価した。STE結果を均一およびランダム配置の結果と比較した。結果によると,最適構成は,最も有益な測定を提供できるので,最良の推定を与える。STE誤差を量子化し,すべての未知源に対して平均を取るならば,最適構成の位置および強度推定誤差は,均一構成と比較して,ランダム配置および39%および96%と比較して,それぞれ,約45%および99%減少した。Copyright 2022 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 ,  *エントロピー ,  *最適化 ,  量子化 ,  *濃度分布 ,  Bayes推定 ,  事後確率 ,  目的関数 ,  *ソースターム ,  シミュレーテッドアニーリング ,  *都市環境
準シソーラス用語： 推定誤差 ,  *レイアウト最適化 , 【Automatic Indexing@JST】

著者キーワード (6件)： ソースターム推定 ,  Bayes推論 ,  ネットワーク設計 ,  シミュレーテッドアニーリング ,  情報エントロピー ,  随伴方程式

分類 (4件)： 人工知能  (JE08000Z) ,  信号理論  (ND02020G) ,  計算機網  (JC03000K) ,  長さ,面積,断面,体積,容積,角度の計測法・機器  (AD05020O)

タイトルに関連する用語 (8件)： 都市環境 ,  確率 ,  ソースターム ,  推定 ,  随伴 ,  濃度分布 ,  エントロピー ,  配置最適化