論文の概要: PGNAA Spectral Classification of Metal with Density Estimations

• arxiv url: http://arxiv.org/abs/2208.13836v1
• Date: Mon, 29 Aug 2022 18:58:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-31 13:31:32.148291
• Title: PGNAA Spectral Classification of Metal with Density Estimations
• Title（参考訳）: 密度推定による金属のPGNAAスペクトル分類
• Authors: Helmand Shayan, Kai Krycki, Marco Doemeland, Markus Lange-Hegermann
• Abstract要約: 異種物質の非破壊的オンライン分析方法はない。 純アルミニウム合金の測定では、0.25秒以下のアルミニウム合金のほぼ完全な分類が達成される。
• 参考スコア（独自算出の注目度）: 3.425341633647624
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For environmental, sustainable economic and political reasons, recycling processes are becoming increasingly important, aiming at a much higher use of secondary raw materials. Currently, for the copper and aluminium industries, no method for the non-destructive online analysis of heterogeneous materials are available. The Promt Gamma Neutron Activation Analysis (PGNAA) has the potential to overcome this challenge. A difficulty when using PGNAA for real-time classification arises from the small amount of noisy data, due to short-term measurements. In this case, classical evaluation methods using detailed peak by peak analysis fail. Therefore, we propose to view spectral data as probability distributions. Then, we can classify material using maximum log-likelihood with respect to kernel density estimation and use discrete sampling to optimize hyperparameters. For measurements of pure aluminium alloys we achieve near perfect classification of aluminium alloys under 0.25 second.
• Abstract（参考訳）: 環境・持続可能な経済・政治上の理由から, 二次原料の利用の高度化を目指して, リサイクルプロセスの重要性が高まっている。 現在、銅やアルミニウム産業では、異種物質の非破壊的オンライン分析方法が存在しない。 Promt Gamma Neutron Activation Analysis (PGNAA)はこの課題を克服する可能性がある。 PGNAAをリアルタイム分類に使用する際の難易度は、短時間の計測により、少量のノイズデータから生じる。 この場合、ピーク解析による詳細なピークを用いた古典的評価手法は失敗する。 そこで本研究では,スペクトルデータを確率分布とみなす。 次に,カーネル密度推定に関して最大対数類似度を用いて材料を分類し,離散サンプリングを用いてハイパーパラメータを最適化する。 純アルミニウム合金の測定には、0.25秒以下でアルミニウム合金のほぼ完全な分類を行う。

関連論文リスト

• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• PGNAA Spectral Classification of Aluminium and Copper Alloys with Machine Learning [2.5639479043232107]
  この研究では、臭化セリウム(CeBr$_3$)と高純度ゲルマニウムHPGeの2つの検出器のデータを比較した。 また、CeBr$_3$は短い測定時間で優れ、HPGeは長い測定時間で優れた性能を発揮した。
  論文  参考訳（メタデータ） (2024-04-22T11:52:23Z)
• Anomaly Detection with Variance Stabilized Density Estimation [49.46356430493534]
  本稿では, 観測試料の確率を最大化するための分散安定化密度推定問題を提案する。 信頼性の高い異常検知器を得るために,分散安定化分布を学習するための自己回帰モデルのスペクトルアンサンブルを導入する。 我々は52のデータセットで広範なベンチマークを行い、我々の手法が最先端の結果につながることを示した。
  論文  参考訳（メタデータ） (2023-06-01T11:52:58Z)
• "Prompt-Gamma Neutron Activation Analysis (PGNAA)" Metal Spectral Classification using Deep Learning Method [3.674863913115431]
  本稿では, PGNAA マシンのテスト時間を削減するため, ディープラーニング分類の新展開を紹介する。 我々はランダムサンプリング手法とクラス活性化マップ(CAM)の両方を提案し、"小さくなった"サンプルを生成し、CNNモデルを継続的に訓練する。 PGNAAの総計測時間を2.5秒に短縮し、12種類の物質を用いてデータセットの精度を96.88 %程度に抑える。
  論文  参考訳（メタデータ） (2022-08-29T22:02:48Z)
• Local manifold learning and its link to domain-based physics knowledge [53.15471241298841]
  多くの反応系では、熱化学状態空間は低次元多様体(LDM)に近く進化すると仮定される。 局所的データクラスタ(ローカルPCA)に適用されたPCAは,熱化学状態空間の固有パラメータ化を検出することができることを示す。
  論文  参考訳（メタデータ） (2022-07-01T09:06:25Z)
• On the Use of Dimension Reduction or Signal Separation Methods for Nitrogen River Pollution Source Identification [0.0]
  河川汚染源の特定は, 健全な環境管理に不可欠である。 この原稿は、理論的背景と仮定から窒素汚染源を明らかにする強力な方法として、主成分分析が有効かどうかを確認している。
  論文  参考訳（メタデータ） (2022-04-27T20:28:50Z)
• Identifying charge density and dielectric environment of graphene using Raman spectroscopy and deep learning [0.0]
  グラフェンの性質に対する環境の影響はラマン分光法によって評価できる。 このような変動の影響を克服し、電荷密度や誘電体環境に応じてグラフェンラマンスペクトルを分類する深層学習モデルを開発した。
  論文  参考訳（メタデータ） (2022-02-25T00:25:01Z)
• Solving Multistage Stochastic Linear Programming via Regularized Linear Decision Rules: An Application to Hydrothermal Dispatch Planning [77.34726150561087]
  AdaSO(Adaptive least absolute shrinkage and selection operator)に基づく線形決定規則(LDR)の新しい正規化手法を提案する。 実験により、MSLPを解くために古典的な非正規化LDRを使用する場合、過度に適合する脅威は無視できないことが示された。 LHDP問題に対しては、非正規化ベンチマークと比較して、提案したフレームワークの次の利点を強調した。
  論文  参考訳（メタデータ） (2021-10-07T02:36:14Z)
• Fast Batch Nuclear-norm Maximization and Minimization for Robust Domain Adaptation [154.2195491708548]
  ランダムに選択されたデータバッチの分類出力行列の構造について検討し,予測可能性と多様性について検討した。 本稿では,目標出力行列上で核ノルムを行い,目標予測能力を向上するBatch Nuclear-norm Maximization and Minimizationを提案する。 実験により,本手法は3つの典型的なドメイン適応シナリオにおいて適応精度とロバスト性を高めることができることが示された。
  論文  参考訳（メタデータ） (2021-07-13T15:08:32Z)
• Primordial non-Gaussianity from the Completed SDSS-IV extended Baryon Oscillation Spectroscopic Survey I: Catalogue Preparation and Systematic Mitigation [3.2855185490071444]
  最近完了したバリオン振動分光サーベイ(eBOSS)による最終分光試料の大規模クラスタリングについて検討する。 フォローアップ分光のターゲットを選択するために使用される画像データの品質の空間的変動に起因する密度場の急激なゆらぎを軽減するニューラルネットワークベースのアプローチを開発した。
  論文  参考訳（メタデータ） (2021-06-25T16:01:19Z)
• Adaptive Multi-View ICA: Estimation of noise levels for optimal inference [65.94843987207445]
  Adaptive MultiView ICA (AVICA) はノイズの多いICAモデルであり、各ビューは共有された独立したソースと付加的なノイズの線形混合である。 AVICAは、その明示的なMMSE推定器により、他のICA法よりも優れたソース推定値が得られる。 実脳磁図(MEG)データでは,分解がサンプリングノイズに対する感度が低く,ノイズ分散推定が生物学的に妥当であることを示す。
  論文  参考訳（メタデータ） (2021-02-22T13:10:12Z)

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。