文献

J-GLOBAL ID：202202263869541141   整理番号：22A0625171

ソフトマシンのためのアクティブ学習とデータ増強による自動歪センサ設計【JST・京大機械翻訳】

Automatic strain sensor design via active learning and data augmentation for soft machines

著者 (17件)： Yang Haitao (Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore, Singapore) ,  Li Jiali (Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore, Singapore) ,  Lim Kai Zhuo (Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore, Singapore) ,  Pan Chuanji (Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore, Singapore) ,  Van Truong Tien (Engineering Product Development, Singapore University of Technology and Design, Singapore, Singapore) ,  Wang Qian (Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore, Singapore) ,  Li Kerui (Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore, Singapore) ,  Li Shuo (Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore, Singapore) ,  Xiao Xiao (Department of Electrical and Electronic Engineering, Southern University of Science and Technology, Shenzhen, China) ,  Ding Meng (Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore, Singapore) ,  Chen Tianle (Department of Chemical and Biomolecular Engineering, University of Maryland, College Park, MD, USA) ,  Liu Xiaoli (Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore, Singapore) ,  Xie Qian (School of Metallurgic Engineering, Anhui University of Technology, Ma’anshan, China) ,  Alvarado Pablo Valdivia y. (Engineering Product Development, Singapore University of Technology and Design, Singapore, Singapore) ,  Wang Xiaonan (Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore, Singapore) ,  Wang Xiaonan (Department of Chemical Engineering, Tsinghua University, Beijing, China) ,  Chen Po-Yen (Department of Chemical and Biomolecular Engineering, University of Maryland, College Park, MD, USA)
資料名： Nature Machine Intelligence  (Nature Machine Intelligence)
巻： 4  号： 1  ページ： 84-94  発行年： 2022年 
JST資料番号： W6370A  ISSN： 2522-5839  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 新たなソフトマシンは閉ループフィードバック制御を達成するために高性能歪センサを必要とする。機械学習は,デバイスレベルでの製作レシピとセンサ性能の間の複雑な相関を明らかにする汎用ツールである。ここでは,歪センサの設計を自動化できる高精度予測モデルのために3段階機械学習フレームワークを実現した。最初に,種々のナノ材料の351組成を用いて,サポートベクトルマシン分類器を訓練した。第2に,12の能動学習ループを通して,125の歪センサーを,多次元データセットを豊かにするために,段階的に製作した。第3に,データ不足の課題に取り組むために,データ増強を,>10,000仮想データポイントを合成するために実行して,次に,遺伝的アルゴリズムベースの選択によって,モデル予測精度を最適化した。ピエゾ抵抗ナノ複合材料のいくつかのデータ駆動設計規則を一般化し,in situ顕微鏡研究により検証した。最終的な実証として,モデル-提案歪センサを様々なソフトマシンに統合し,実時間歪センシング能力に付与できる。圧電装置は,ソフトマシンのための歪センサに使用できるが,従来の設計プロセスは,直感と人間の独創性のみに依存する。Haitao Yangと同agueは,改良能力で歪センサを設計し製作するために,遺伝的アルゴリズムと他の機械学習法に構築する方式を提示する。Copyright The Author(s), under exclusive licence to Springer Nature Limited 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  自動化 ,  精度 ,  圧電気 ,  センサ ,  *機械学習 ,  遺伝的アルゴリズム ,  予測モデル ,  ナノ材料
準シソーラス用語： 圧電抵抗 ,  レシピ ,  *能動学習 ,  予測精度 ,  歪センサ ,  データ駆動 ,  SVM分類 , 【Automatic Indexing@JST】

分類 (4件)： その他の固体デバイス  (NC03150A) ,  人工知能  (JE08000Z) ,  制御機器一般  (IC02010N) ,  分析機器  (CC02020S)

タイトルに関連する用語 (6件)： ソフト ,  マシン ,  アクティブ学習 ,  データ増強 ,  歪センサ ,  設計