論文の概要: Estimation of excess air coefficient on coal combustion processes via
gauss model and artificial neural network
- arxiv url: http://arxiv.org/abs/2108.04180v1
- Date: Fri, 23 Jul 2021 18:47:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-15 11:30:42.005049
- Title: Estimation of excess air coefficient on coal combustion processes via
gauss model and artificial neural network
- Title（参考訳）: gaussモデルとニューラルネットワークによる石炭燃焼過程における余剰空気係数の推定
- Authors: Sedat Golgiyaz, Muhammed Fatih Talu, Mahmut Daskin, Cem Onat
- Abstract要約: CCDカメラで得られた炎像と余剰空気係数(ラムダ)の関係をモデル化した。
特徴ラムダのマッチングには多層人工ニューラルネットワーク(ANN)が用いられている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: It is no doubt that the most important contributing cause of global
efficiency of coal fired thermal systems is combustion efficiency. In this
study, the relationship between the flame image obtained by a CCD camera and
the excess air coefficient ({\lambda}) has been modelled. The model has been
obtained with a three-stage approach: 1) Data collection and synchronization:
Obtaining the flame images by means of a CCD camera mounted on a 10 cm diameter
observation port, {\lambda} data has been coordinately measured and recorded by
the flue gas analyzer. 2) Feature extraction: Gridding the flame image, it is
divided into small pieces. The uniformity of each piece to the optimal flame
image has been calculated by means of modelling with single and multivariable
Gaussian, calculating of color probabilities and Gauss mixture approach. 3)
Matching and testing: A multilayer artificial neural network (ANN) has been
used for the matching of feature-{\lambda}.
- Abstract（参考訳）: 石炭燃焼熱システムのグローバル効率の最も重要な原因が燃焼効率であることは間違いない。
本研究では,CCDカメラで得られた炎像と余剰空気係数({\lambda})の関係をモデル化した。
データ収集と同期: 直径10cmの観測ポートに装着したCCDカメラで火炎画像を取得することにより, フラワーガス分析装置により, フラワーデータを協調的に測定し, 記録する。
2)特徴抽出:炎像を格子状に配置し、小片に分割する。
最適火炎画像に対する各ピースの均一性は、単変量および多変量ガウスのモデリング、色確率の計算、ガウス混合アプローチによって計算されている。
3)マッチングとテスト:多層人工ニューラルネットワーク(ANN)が機能-{\lambda}のマッチングに使用されている。
関連論文リスト
- vHeat: Building Vision Models upon Heat Conduction [63.00030330898876]
vHeatは、高い計算効率とグローバルな受容場の両方を同時に達成する、新しいビジョンバックボーンモデルである。
基本的な考え方は、画像パッチを熱源として概念化し、それらの相関の計算を熱エネルギーの拡散としてモデル化することである。
論文 参考訳（メタデータ） (2024-05-26T12:58:04Z) - Distilling Diffusion Models into Conditional GANs [90.76040478677609]
複雑な多段階拡散モデルを1段階条件付きGAN学生モデルに蒸留する。
E-LatentLPIPSは,拡散モデルの潜在空間で直接動作する知覚的損失である。
我々は, 最先端の1ステップ拡散蒸留モデルよりも優れた1ステップ発生器を実証した。
論文 参考訳（メタデータ） (2024-05-09T17:59:40Z) - FlameFinder: Illuminating Obscured Fire through Smoke with Attentive Deep Metric Learning [11.218765140036254]
FlameFinderは、山火事の監視中に消防士のドローンの熱画像を使って、煙によって隠されたとしても、炎を正確に検知するように設計されている。
従来のRGBカメラはそのような状況では苦戦するが、熱カメラは煙を吸収する炎の特徴を捉えることができる。
この問題を解決するために、FlameFinderは2枚の熱-RGB画像を用いてトレーニングを行っている。煙のないサンプルから潜熱火炎の特徴を学習することで、モデルは相対的な熱勾配に偏りが小さくなる。
論文 参考訳（メタデータ） (2024-04-09T23:24:19Z) - A Multi-scale Information Integration Framework for Infrared and Visible
Image Fusion [50.84746752058516]
赤外線および可視画像融合は、ソース画像の強度と詳細情報を含む融合画像を生成することを目的としている。
既存の手法は主に損失関数の単純な重みを採用し、各モードの情報保持を決定する。
近赤外・可視画像融合のためのマルチスケールデュアルアテンション(MDA)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-07T14:40:05Z) - Deep Equilibrium Diffusion Restoration with Parallel Sampling [120.15039525209106]
拡散モデルに基づく画像復元(IR)は、拡散モデルを用いて劣化した画像から高品質な(本社)画像を復元し、有望な性能を達成することを目的としている。
既存のほとんどの手法では、HQイメージをステップバイステップで復元するために長いシリアルサンプリングチェーンが必要であるため、高価なサンプリング時間と高い計算コストがかかる。
本研究では,拡散モデルに基づくIRモデルを異なる視点,すなわちDeqIRと呼ばれるDeQ(Deep equilibrium)固定点系で再考することを目的とする。
論文 参考訳（メタデータ） (2023-11-20T08:27:56Z) - Fast Sampling of Diffusion Models via Operator Learning [74.37531458470086]
我々は,拡散モデルのサンプリング過程を高速化するために,確率フロー微分方程式の効率的な解法であるニューラル演算子を用いる。
シーケンシャルな性質を持つ他の高速サンプリング手法と比較して、並列復号法を最初に提案する。
本稿では,CIFAR-10では3.78、ImageNet-64では7.83の最先端FIDを1モデル評価環境で達成することを示す。
論文 参考訳（メタデータ） (2022-11-24T07:30:27Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳（メタデータ） (2022-02-01T21:21:56Z) - Experimental Large-Scale Jet Flames' Geometrical Features Extraction for
Risk Management Using Infrared Images and Deep Learning Segmentation Methods [0.9236074230806579]
ジェット火災は比較的小さく、工業プラントで起こりうる多様な火災事故の中では最も深刻な影響を受けない。
本研究は,ジェット火炎のセマンティックセグメンテーションを用いた別のアプローチにおけるディープラーニングモデルの適用について検討する。
論文 参考訳（メタデータ） (2022-01-20T00:50:41Z) - Online parameter inference for the simulation of a Bunsen flame using
heteroscedastic Bayesian neural network ensembles [2.1485350418225244]
本論文では,事前混合火炎のG方程式モデルのパラメータをオンライン推論するためのデータ駆動型機械学習手法を提案する。
提案手法は,アンサンブルカルマンフィルタで得られた結果と一致する安価でオンラインなパラメータと不確実性推定を計算コストで提供する。
論文 参考訳（メタデータ） (2021-04-26T16:47:43Z) - Real-time parameter inference in reduced-order flame models with
heteroscedastic Bayesian neural network ensembles [1.7188280334580197]
私たちは2100万のシミュレートされたフレイムビデオのライブラリーでネットワークをトレーニングします。
トレーニングされたニューラルネットワークは、プレミックスされたブンゼン火炎の実ビデオからモデルパラメータを推測するために使用される。
論文 参考訳（メタデータ） (2020-10-11T15:04:34Z) - Bayesian Fusion for Infrared and Visible Images [26.64101343489016]
本稿では,赤外・可視画像のための新しいベイズ融合モデルを構築した。
我々は、融合画像が人間の視覚系を満たすようにすることを目指している。
従来の手法と比較して、新しいモデルは、高照度なターゲットとリッチテクスチャの詳細を持つより良い融合画像を生成することができる。
論文 参考訳（メタデータ） (2020-05-12T14:57:19Z)
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。