文献

J-GLOBAL ID：202202265444060543   整理番号：22A0779076

プロセス監視のための赤外線イメージングを用いた畳込みニューラルネットワークKalman再帰変分オートエンコーダの確立:スピニングディスクプロセスへの応用【JST・京大機械翻訳】

Establishing Convolutional Neural Network Kalman Recurrent Variational Autoencoder Using Infrared Imaging for Process Monitoring: An Application in Spinning Disk Processes

著者 (4件)： Zhang Yongci (Department of Chemical Engineering, Chung Yuan Christian University, Taoyuan, Taiwan) ,  Lee Yi Shan (Department of Chemical Engineering, Chung Yuan Christian University, Taoyuan, Taiwan) ,  Lin Huanting (Department of Chemical Engineering, National Taiwan University, Taipei, Taiwan) ,  Chen Junghui (Department of Chemical Engineering, Chung Yuan Christian University, Taoyuan, Taiwan)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 71  ページ： ROMBUNNO.5001712.1-12  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： 熱変化に対する測定は,通常,運転プロセスにおける固定位置でのみ実装される。本論文では,熱不均一性とサンプリング分散を包括的に理解するために,赤外線測定の非破壊評価を用いて実時間熱変化を記録した。熱画像データで,畳み込みニューラルネットワーク-Kalman反復変分自動符号化器(CNN-KRVAE)と呼ばれるデータ駆動の深い動的潜在変数モデルを提案した。センサ測定データの代わりに画像データに基づいて構築した。畳込みニューラルネットワークを用いて,画像データにおける重要な空間熱分布特性を抽出した。さらに,熱情報の動的特性を,潜在空間における潜在変数間のMarkov状態空間関係によって表現した。さらに,確率モデル,変分オートエンコーダ(VAE)をモデルに組み込み,プロセスの不確実性を記述した。その結果,点推定の代わりに確率密度推定を確立して,潜在および残留空間における分布ベースのモニタリング指数を形成した。提案モデルのモデリングと監視性能を検証するために,CNN-KRVAEをスピニングディスクプロセスの実験に使用した。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： *円板 ,  *変分法 ,  推定 ,  不確実性 ,  *ニューラルネットワーク ,  確率密度 ,  モデリング ,  符号器 ,  *スピニング加工 ,  モデル ,  熱画像 ,  確率モデル
準シソーラス用語： 非破壊評価 ,  *プロセス監視 ,  データ駆動 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： プロセス監視 ,  赤外線イメージング ,  畳込みニューラルネットワーク ,  変分オートエンコーダ ,  応用