論文の概要: Optical oxygen sensing with artificial intelligence

• arxiv url: http://arxiv.org/abs/2008.12629v1
• Date: Mon, 27 Jul 2020 20:59:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 11:47:34.754008
• Title: Optical oxygen sensing with artificial intelligence
• Title（参考訳）: 人工知能を用いた光酸素センシング
• Authors: Umberto Michelucci, Michael Baumgartner, Francesca Venturini
• Abstract要約: この研究は、全く新しい人工知能アプローチを探求し、機械学習による酸素センシングの実現可能性を示す。 特別に開発されたニューラルネットワークは、入力量と酸素濃度を非常に効率的に関連付けるために学習する。 その結果,多くの商用センサや低コストセンサと比較して,0.5パーセントの空気濃度から予測される平均偏差が認められた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Luminescence-based sensors for measuring oxygen concentration are widely used both in industry and research due to the practical advantages and sensitivity of this type of sensing. The measuring principle is the luminescence quenching by oxygen molecules, which results in a change of the luminescence decay time and intensity. In the classical approach, this change is related to an oxygen concentration using the Stern-Volmer equation. This equation, which in most of the cases is non-linear, is parametrized through device-specific constants. Therefore, to determine these parameters every sensor needs to be precisely calibrated at one or more known concentrations. This work explores an entirely new artificial intelligence approach and demonstrates the feasibility of oxygen sensing through machine learning. The specifically developed neural network learns very efficiently to relate the input quantities to the oxygen concentration. The results show a mean deviation of the predicted from the measured concentration of 0.5 percent air, comparable to many commercial and low-cost sensors. Since the network was trained using synthetically generated data, the accuracy of the model predictions is limited by the ability of the generated data to describe the measured data, opening up future possibilities for significant improvement by using a large number of experimental measurements for training. The approach described in this work demonstrates the applicability of artificial intelligence to sensing of sensors.
• Abstract（参考訳）: ルミネッセンスに基づく酸素濃度測定センサは、このタイプのセンシングの実用的利点と感度のために、産業と研究の両方で広く利用されている。 測定原理は酸素分子による発光の消光であり、発光の減衰時間と強度が変化する。 古典的アプローチでは、この変化はstern-volmer方程式を用いた酸素濃度と関連している。 この方程式は、ほとんどの場合非線形であり、デバイス固有定数によってパラメータ化される。 したがって、これらのパラメータを決定するには、すべてのセンサーを1つ以上の既知の濃度で正確に調整する必要がある。 この研究は、全く新しい人工知能アプローチを探求し、機械学習による酸素センシングの実現可能性を示す。 特に開発されたニューラルネットワークは、入力量と酸素濃度を関連付けるために非常に効率的に学習する。 その結果,多くの商用センサや低コストセンサと比較して,0.5パーセントの空気濃度から予測される平均偏差が認められた。 ネットワークは合成生成データを用いてトレーニングされたため、生成したデータを用いて測定データを記述する能力によってモデル予測の精度が制限され、多くの実験測定値を用いて、大幅な改善の可能性を開くことができる。 この研究で述べられているアプローチは、センサーの検知に対する人工知能の適用性を示している。

関連論文リスト

• Scaling Wearable Foundation Models [54.93979158708164]
  センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。 最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。 この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
  論文  参考訳（メタデータ） (2024-10-17T15:08:21Z)
• Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
  化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。 本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。 本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
  論文  参考訳（メタデータ） (2023-06-19T11:00:54Z)
• Femtosecond pulse parameter estimation from photoelectron momenta using machine learning [0.0]
  畳み込みニューラルネットワーク(CNN)は、特徴抽出やパラメータ推定といったタスクに対する驚くほどの明度を実証している。 ここでは、強電界電離光電子スペクトルを用いてCNNを試験し、実験データを逆転させる理論データセットのトレーニングを行う。
  論文  参考訳（メタデータ） (2023-03-24T11:58:06Z)
• ChemVise: Maximizing Out-of-Distribution Chemical Detection with the Novel Application of Zero-Shot Learning [60.02503434201552]
  本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。 合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
  論文  参考訳（メタデータ） (2023-02-09T20:19:57Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Graph Neural Networks with Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data [69.25738064847175]
  各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。 グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。 グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2022-10-20T11:03:21Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Data-based Design of Inferential Sensors for Petrochemical Industry [0.0]
  産業において、不正確な(またはソフトな)センサーは、オンラインで測定された変数から不正確かつ稀に測定された(または完全に測定されていない)変数の値を推測するために用いられる。 本研究は, 石油精製装置2基の工業蒸留塔の製品組成推定センサの設計に焦点をあてたものである。
  論文  参考訳（メタデータ） (2021-06-25T08:48:50Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。