文献

J-GLOBAL ID：202202245963152706   整理番号：22A0001715

ハイブリッド特徴とRNN変異体を用いた土壌特性の定量的推定【JST・京大機械翻訳】

Quantitative estimation of soil properties using hybrid features and RNN variants

著者 (2件)： Singh Simranjit (Department of Computer Science and Engineering, Bennett University, Greater Noida, India) ,  Kasana Singara Singh (Computer Science and Engineering Department, Thapar Institute of Engineering and Technology, Patiala, Punjab, India)
資料名： Chemosphere  (Chemosphere)
巻： 287  号： P1  ページ： Null  発行年： 2022年 
JST資料番号： E0843A  ISSN： 0045-6535  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 土壌特性の推定は持続可能な農業における作物生産を最大化するために重要である。ハイパースペクトルデータ次入力は以前のものに依存し,現在の技法はハイパースペクトル署名のこの逐次性質を利用しない。RNNのバリアントは,データ間の短期および長期依存性を学習できる。本論文では,LUCASライブラリーから,Clay,CEC,H_2OのpH,窒素,有機炭素,ヨーロッパ連合の砂のような土壌鉱物を定量化するための深層学習ハイブリッドフレームワークを提案した。ハイパースペクトルシグネチャは,実験室でFOSS分光計から捕捉された400~2500nmの範囲のデータを含む。ハイパースペクトルデータが高次元であるので,主成分分析と局所性保存プロジェクションを利用して,元のデータセットの局所的および全体的情報を含む低次元を有するハイブリッド特徴を形成した。これらのハイブリッド特徴は,効果的な予測モデルを構築するための深層学習フレームワークであるLong Short Termメモリネットワークに通過した。調製したモデルの有効性を,既存の最先端技術と比較して実証した。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： 窒素 ,  土壌鉱物 ,  分光計 ,  有機炭素 ,  局所性 ,  高次元 ,  有効性 ,  主成分分析 ,  *土壌特性 ,  持続可能な農業 ,  欧州連合 ,  予測モデル
準シソーラス用語： ハイパースペクトル ,  ハイパースペクトルデータ ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (7件)： 深層学習 ,  ハイパースペクトルデータ ,  インセプティソル ,  定量化 ,  エンティソル ,  LSTM ,  ハイブリッド特徴

分類 (2件)： 重金属とその化合物一般  (SB05021R) ,  土壌汚染  (FB04100T)

タイトルに関連する用語 (5件)： RNN ,  変異体 ,  土壌特性 ,  定量 ,  推定