文献

J-GLOBAL ID：202202279212472095   整理番号：22A1188770

深さ学習に基づくダム亀裂検出法の検討【JST・京大機械翻訳】

著者 (4件)： Wang Zejiao (甘粛省水利水電勘測設計研究院有限責任公司,甘粛蘭州730000) ,  Zhang Qirui (澳門城市大学,澳門999078) ,  Fang Dongdong (广東省广州市城市規画勘測設計研究院,广東广州510000) ,  Wang Xinpeng (貴州大学鉱業学院,貴州貴陽550025)
資料名： Shuiliguihua yu Sheji  (Shuiliguihua yu Sheji)
号： 1  ページ： 90-94  発行年： 2022年 
JST資料番号： C4031A  ISSN： 1672-2469  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ダムの亀裂の知能化リアルタイム監視は,ダムリスクの管理に非常に重要である。深さ学習に基づくダム亀裂検出方法を提案し,SegNetに基づくネットワークモデルを採用して,原ネットワークモデルアルゴリズムを最適化し,重み減衰正則化法および運動量最適化アルゴリズムを用いて,ネットワーク学習性能を改善した。提案した方法の有効性を検証するため,標準ダムの亀裂データセットを構築し,訓練集合データをネットワークモデルにより学習し,訓練したネットワークをテストセットデータによりテストし,試験結果を定性的及び定量的に解析した。実験は,この方法を用いたダム亀裂検出の効率と精度を実証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 運動量 ,  *亀裂 ,  最適化 ,  ネットワーク ,  最適化手法 ,  精度 ,  *ダム ,  正則化 ,  有効性 ,  *損傷検出
準シソーラス用語： ネットワークモデル ,  亀裂検出 ,  知能化 ,  リアルタイムモニタリング , 【Automatic Indexing@JST】

分類 (1件)： ダム一般  (RC16010D)

タイトルに関連する用語 (3件)： 学習 ,  ダム ,  亀裂検出