文献

J-GLOBAL ID：202202270743594305   整理番号：22A0742999

水中物体検出のための横方向線システムにヒントを得た深層学習モデル【JST・京大機械翻訳】

Deep learning model inspired by lateral line system for underwater object detection

著者 (3件)： Jeong Taekyeong (Department of Mechanical Engineering, KAIST, Daejeon 34141, Republic of Korea) ,  Yoo Janggon (Department of Mechanical Engineering, KAIST, Daejeon 34141, Republic of Korea) ,  Kim Daegyoum (Department of Mechanical Engineering, KAIST, Daejeon 34141, Republic of Korea)
資料名： Bioinspiration & Biomimetics  (Bioinspiration & Biomimetics)
巻： 17  号： 2  ページ： 026002 (13pp)  発行年： 2022年 
JST資料番号： W2376A  ISSN： 1748-3182  CODEN： BBIICI  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： 周囲流れ情報を用いた流体力学的イメージングが可能な様々な水生生物の横線システムによって触発され,本研究では,移動センサアレイから測定した流れ情報を用いて物体の位置を検出することができる深層学習ベースオブジェクト位置確認モデルを開発した。ポテンシャル流の仮定による数値シミュレーションにおいて,2次元水中翼は,一様流において4つの静止円筒周りでナビゲートし,シミュレーション中に2種類の感覚データ,すなわち,ハイドロフォイルの表面に位置する一連のセンサから,流速と圧力を得た。いくつかのニューラルネットワークモデルを,流速および圧力データを用いて構築し,そして,これらを用いて,水中翼および周辺物体の位置を検出した。シーケンス予測問題における順序依存性を学習できる長い短期メモリネットワークに基づくモデルは,他のモデルより優れている。次に,センサ数を特徴選択技術を用いて最適化した。このセンサ最適化は,元のモデルで使用されるセンサの40%だけを有する水中翼と物体の位置の予測において,印象的な精度を達成する新しい物体局在化モデルをもたらす。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  シミュレーション ,  流体力学 ,  ポテンシャル流 ,  水中翼 ,  一様流 ,  画像処理 ,  *流速 ,  特徴選択 ,  二次元 ,  水生生物
準シソーラス用語： 神経回路網モデル ,  数値シミュレーション ,  *物体検出 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： その他の飛しょう体の力学的事項  (QK02070H)

タイトルに関連する用語 (6件)： 水中 ,  物体検出 ,  横方向 ,  ヒント ,  深層学習 ,  モデル