文献

J-GLOBAL ID：202202287300206625   整理番号：22A0965668

入れ子ネットワークに基づく自動車耐候性のビッグデータ予測アルゴリズムに関する研究【JST・京大機械翻訳】

Research on big data prediction algorithm of automobile weatherability based on nested network

著者 (7件)： Zhang Xiaodong (China National Electric Apparatus Research Institute Co., Ltd. (China)) ,  Wang Haixin (Beijing Jinghang Research Institute of Computing and Communication (China)) ,  Liu Xiongjun (Beijing Jinghang Research Institute of Computing and Communication (China)) ,  Qi Li (China National Electric Apparatus Research Institute Co., Ltd. (China)) ,  Wang Jun (China National Electric Apparatus Research Institute Co., Ltd. (China)) ,  Li Huai (China National Electric Apparatus Research Institute Co., Ltd. (China)) ,  Chen Xinxin (China National Electric Apparatus Research Institute Co., Ltd. (China))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 12168  ページ： 1216828-8  発行年： 2022年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 乗用車の分野において,車両の耐候性は,車両の外観,内部装飾,およびユーザ経験に影響を及ぼす。現在,多くの車両が自動車耐候性試験を受け,大量のデータが蓄積されている。環境等価損傷応力を得るために,大気環境データに基づく自動部品の温度値を迅速に予測するために,車両温度値を得るために,大きなデータ解析アルゴリズムを使用する方法。Major自動車メーカーと自動車耐候性試験機関は,問題を解決する必要がある。本論文は,深い学習に基づく車両耐候性温度予測アルゴリズムを提案した。長くて短期の深層学習ネットワークと完全な特徴抽出ネットワークを統合する入れ子ネットワークを構築することによって。Nestedネットワークは,車両測定点の温度の予測を実現し,車両測定点温度の予測値を得る。深層学習事前辞書モデルは,車両耐候性解析の効率を改善し,耐候性試験サイクルを短縮し,自動車製造者に利益をもたらす。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *自動車 ,  乗用車 ,  データ ,  *ネットワーク ,  耐候性 ,  特徴抽出 ,  生産者 ,  計算機アルゴリズム ,  モデル
準シソーラス用語： *予測アルゴリズム ,  予測値 ,  大気環境 ,  自動車製造 ,  解析アルゴリズム ,  *ビッグデータ ,  深層学習 , 【Automatic Indexing@JST】

分類 (5件)： 交通調査  (TB01031B) ,  舗装一般  (RC04010K) ,  電子航法一般  (ND14010O) ,  都市交通  (TA01020W) ,  レーザの応用  (BD04100V)

タイトルに関連する用語 (5件)： 自動車 ,  耐候性 ,  ビッグデータ ,  予測アルゴリズム ,  研究