文献

J-GLOBAL ID：202202288602935435   整理番号：22A0630696

分解能可変ニューラルネットワークベース統合再構成スペクトロメータの設計【JST・京大機械翻訳】

Design of Resolution-Tunable Neural Network-Based Integrated Reconstructive Spectrometer

著者 (2件)： Mondal Anish (Department of Electronics and Electrical Communication Engineering, Indian Institute of Technology Kharagpur, West Bengal, Kharagpur, India) ,  Debnath Kapil (Department of Electronics and Electrical Communication Engineering, Indian Institute of Technology Kharagpur, West Bengal, Kharagpur, India)
資料名： IEEE Sensors Journal  (IEEE Sensors Journal)
巻： 22  号： 3  ページ： 2630-2636  発行年： 2022年 
JST資料番号： W1318A  ISSN： 1530-437X  CODEN： ISJEAZ  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： 光学分光法は,学術研究および工業プロセスに見られる最も普遍的な技術の1つである。再構成分光法は,再構成問題を不良設定逆問題としてモデル化する分光法の新しいパラダイムである。従って,そのような不良設定逆問題を解くため,あるアルゴリズムを採用した。この分光計パラダイムは,そのような光学分光計を小型化するのを助け,そうでなければ,嵩高で高価な分散光装置を使用した。本研究では,スペクトル選択シリコン光検出器アレイを用いた可視光のためのオンチップ再構成分光計の設計を示した。2つのニューラルネットワークを用いてスペクトル再構成を行った。同じハードウェアセットアップを有する種々のニューラルネットワーク(広帯域のための1つと狭帯域のためのもう1つ)を用いて,著者らは,波長範囲400nmλ>900nmの広帯域源のスペクトル再構成を,分解能28nmとレーザ源を,波長範囲780nmλ≦785nmで,分解能0.6nmで示す。したがって,再構成ニューラルネットワークをより小さなダイナミックレンジで訓練するとき,より高い分解能を達成できることを実証した。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： アルゴリズム ,  *スペクトロメータ ,  ケイ素 ,  *ニューラルネットワーク ,  小型化 ,  スペクトル ,  スペクトロスコピー ,  可視光 ,  ハードウェア ,  逆問題 ,  分光計 ,  ダイナミックレンジ ,  狭帯域 ,  広帯域
準シソーラス用語： オンチップ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 分解能 ,  可変 ,  ニューラルネットワーク ,  統合 ,  再構成 ,  スペクトロメータ ,  設計