文献

J-GLOBAL ID：202202257864370155   整理番号：22A0841555

IoTベーススペクトル技術による廃水汚染の知的検出のための機械学習フレームワーク【JST・京大機械翻訳】

Machine Learning Framework for Intelligent Detection of Wastewater Pollution by IoT-Based Spectral Technology

著者 (6件)： Li Jianhong (School of Information Science and Technology, Guangdong University of Foreign Studies, Guangzhou 510006, China) ,  Cai Ken (College of Automation, Zhongkai University of Agriculture and Engineering, Guangzhou 510225, China) ,  Chen Huazhou (College of Science, Guilin University of Technology, Guilin 541004, China) ,  Xu Lili (College of Marine Sciences, Beibu Gulf University, Qinzhou 535011, China) ,  Lin Qinyong (College of Automation, Zhongkai University of Agriculture and Engineering, Guangzhou 510225, China) ,  Xu Feng (College of Science, Guilin University of Technology, Guilin 541004, China)
資料名： Wireless Communications & Mobile Computing  (Wireless Communications & Mobile Computing)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W1338A  ISSN： 1530-8669  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： 産業廃水は,おそらく環境汚染を引き起こす過剰なミクロ不溶性固体(MIS)を含む。近赤外(NIR)分光法は廃水中の複雑な標的の迅速検出のための先進技術である。モノのインターネット(IoT)プラットフォームは,NIR技術の知的応用をサポートする。知的ケモメトリックス法の研究は,IoTプラットフォームに基づくNIRキャリブレーションモデルの改善に主に寄与する。人工知能の開発により,情報スペクトル波長変数の適応選択のために,最小自乗サポートベクトルマシン(LSSVM)法との組合せ使用で,後方間隔と相乗間隔技術を提案した。動径基底関数(RBF)カーネルを非線形写像に適用した。制御パラメータとカーネル幅を,スマート最適化のために一緒に融合した。波帯自動フィッティングのための設計において,全走査範囲のデジタル波長の合計を43の等価サブ間隔に分割し,次に,バック間隔LSSVM(biLSSVM)と相乗間隔LSSVM(siLSSVM)モデルを,準離散変数組合せの適応選択に基づく予測結果の改善のために確立した。いくつかの一般的線形および非線形モデルと比較して,最良の訓練モデルを,siLSSVM法によって獲得し,一方,最良の試験モデルを,biLSSVMによって得た。モデルパラメータの知的最適化は,提案したバイLSSVMとsiLSSVM深層学習方法論が,IoTベースのNIR技術による廃水MIS含有量の迅速決定におけるモデル予測結果を改善するために実現可能であることを示した。機械学習フレームワークは,産業汚染と水安全性の環境リスクの高速評価に前向きに適用される。Copyright 2022 Jianhong Li et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  写像 ,  環境汚染 ,  *廃水 ,  波長 ,  人工知能 ,  近赤外線 ,  ケモメトリックス ,  *機械学習 ,  動径基底関数 ,  産業廃水 ,  *フレームワーク【ソフトウェア開発】
準シソーラス用語： 非線形モデル ,  モデルパラメータ ,  モデル予測 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

引用文献 (36件)：

• A. Goap, D. Sharma, A. K. Shukla, C. Rama Krishna, "An IoT based smart irrigation management system using machine learning and open source technologies," Computers and Electronics in Agriculture, vol. 155, no. 5, pp. 41-49, 2018.
• J. Gubbi, R. Buyya, S. Marusic, M. Palaniswami, "Internet of things (IoT): a vision, architectural elements, and future directions," Future Generation Computer Systems, vol. 29, no. 7, pp. 1645-1660, 2013.
• D. K. Sharma, S. K. Dhurandher, M. S. Obaidat, S. Pruthi, B. Sadoun, "A priority based message forwarding scheme for opportunistic networks," 2016 International Conference on Computer, Information and Telecommunication Systems (CITS), pp. 1-4, Kunming, China, 2016.
• J. Su, Z. Sheng, A. Liu, Z. Fu, Y. Chen, "A time and energy saving-based frame adjustment strategy (TES-FAS) tag identification algorithm for UHF RFID systems," IEEE Transactions on Wireless Communications, vol. 19, no. 5, pp. 2974-2986, 2020.
• S. Areekij, P. Ritthiruangdej, S. Kasemsumran, N. Therdthai, V. Haruthaithanasan, Y. Ozaki, "Rapid and nondestructive analysis of deep-fried taro chip qualities using near infrared spectroscopy," Journal of Near Infrared Spectroscopy, vol. 25, no. 2, pp. 127-137, 2017.

タイトルに関連する用語 (6件)： IoT ,  スペクトル ,  廃水 ,  汚染 ,  機械学習 ,  フレームワーク