Fugu-MT 論文翻訳(概要): Machine-Learning Classification of Closed and Open Radiating Wires from Near Magnetic or Electric Field Scan Images

論文の概要: Machine-Learning Classification of Closed and Open Radiating Wires from Near Magnetic or Electric Field Scan Images

arxiv url: http://arxiv.org/abs/2104.09277v1
Date: Tue, 16 Mar 2021 06:08:35 GMT
ステータス: 処理完了
システム内更新日: 2023-04-07 23:14:40.790136
Title: Machine-Learning Classification of Closed and Open Radiating Wires from Near Magnetic or Electric Field Scan Images
Title（参考訳）: 近接磁場および電界走査画像からの閉放射線および開放射線の機械学習による分類
Authors: Amir Geranmayeh
Abstract要約: 本研究は, 放射状結合源の磁気タイプ, 電気タイプの識別を自動化するため, 計測された近接場データバンクに基づいて再訓練するのに適したソフトウェアパッケージである。本研究の成果は, 放射状結合源の磁気タイプ, 電気タイプの識別を自動化するため, 計測された近接場データバンクに基づいて再トレーニングするのに適したソフトウェアパッケージである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Sets of intelligent classifiers are applied to the near-field scan-data in order to automatically classify the shape of radiating wirings. The support vector machine, k-nearest neighbors algorithm, and Gaussian process classifications are trained using the near-field radiation pattern of diverse radiating wire configurations. Leave-one-out cross-validation is used for estimating the performance of the predictive models. The output of this research is a software package well-suited to be retrained based on any measured near-field databank to automate the identification of magnetic-type or electric-type of the radiating coupling sources.
Abstract（参考訳）: 近接場スキャンデータにインテリジェント分類器のセットを適用し、放射配線の形状を自動的に分類する。種々の放射線配置の近接場放射パターンを用いて,支持ベクトルマシン,k-アネレス近傍アルゴリズム,ガウス過程分類を訓練する。 leave-one-outクロスバリデーションは、予測モデルのパフォーマンスを推定するために使用される。本研究の成果は, 放射状結合源の磁気タイプ, 電気タイプの識別を自動化するため, 計測された近接場データバンクに基づいて再トレーニングするのに適したソフトウェアパッケージである。

関連論文リスト

One-class anomaly detection through color-to-thermal AI for building envelope inspection [0.0]
本研究では,建築封筒のサーモグラフィ検査における異常検出のためのラベルフリー手法を提案する。これは、カラー画像からの熱分布を予測するAIによる予測に基づいている。
論文参考訳（メタデータ） (2024-02-05T12:41:30Z)
Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文参考訳（メタデータ） (2024-01-12T14:56:45Z)
Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文参考訳（メタデータ） (2023-11-30T13:50:21Z)
Anomaly Detection with Ensemble of Encoder and Decoder [2.8199078343161266]
電力網における異常検出は、電力系統に対するサイバー攻撃による異常を検出し、識別することを目的としている。本稿では,複数のエンコーダとデコーダを用いて正規サンプルのデータ分布をモデル化し,新しい異常検出手法を提案する。ネットワーク侵入と電力系統データセットの実験結果から,提案手法の有効性が示された。
論文参考訳（メタデータ） (2023-03-11T15:49:29Z)
Geomagnetic Survey Interpolation with the Machine Learning Approach [0.0]
この種のデータは一連の直線に沿ってサンプルの空間分布を持つ。この手法は非常に基本的なNearest Neighboursアルゴリズムに依存しているが、機械学習のアプローチで拡張されている。
論文参考訳（メタデータ） (2022-10-07T07:45:22Z)
A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文参考訳（メタデータ） (2022-09-23T06:09:35Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
Deep Convolutional Autoencoder for Assessment of Drive-Cycle Anomalies in Connected Vehicle Sensor Data [1.7933377464816112]
本研究は,完全畳み込み型オートエンコーダを用いた車両における非教師なし故障の自動検出の実用的,新しい手法について検討する。その結果,ハイブリッド電動車用パワートレインセンサの多変量時系列データから,パワートレイン故障に対応する異常を検出するアルゴリズムが得られた。追加の教師なし手法が試験され、オートエンコーダは、異常検出や他の新しい深層学習技術よりも優れた故障検出性能を示す。
論文参考訳（メタデータ） (2022-02-15T17:28:42Z)
Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
論文参考訳（メタデータ） (2021-11-30T18:42:42Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)
Detection Method Based on Automatic Visual Shape Clustering for Pin-Missing Defect in Transmission Lines [1.602803566465659]
ボルトは送電線で最も多くのファスナーであり、分割ピンを失う傾向にある。タイムリーかつ効率的なトラブルシューティングを実現するために,伝送線路のボルトの自動ピン欠落検出を実現する方法は難しい問題である。本稿では、ピン欠落検出のためのAVSCNet(Automatic Visual Shape Clustering Network)と呼ばれる自動検出モデルを構築した。
論文参考訳（メタデータ） (2020-01-17T10:57:37Z)

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。