論文の概要: Self-Organizing Map Neural Network Algorithm for the Determination of Fracture Location in Solid-State Process joined Dissimilar Alloys

• arxiv url: http://arxiv.org/abs/2209.07404v1
• Date: Sun, 14 Aug 2022 23:14:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-18 16:59:33.141531
• Title: Self-Organizing Map Neural Network Algorithm for the Determination of Fracture Location in Solid-State Process joined Dissimilar Alloys
• Title（参考訳）: 固相接合した異種合金の破壊位置決定のための自己組織化マップニューラルネットワークアルゴリズム
• Authors: Akshansh Mishra, Anish Dasgupta
• Abstract要約: AA5754-C11000合金異種摩擦圧接継手における破壊位置を決定するために自己組織化マップニューラルネットワークを実装した。 その結果、実装されたアルゴリズムは96.92%の精度で破壊位置を予測できることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The subject area known as computational neuroscience involves the investigation of brain function using mathematical techniques and theories. In order to comprehend how the brain processes information, it can also include various methods from signal processing, computer science, and physics. In the present work, for the first time a neurobiological based unsupervised machine learning algorithm i.e., Self-Organizing Map Neural Network is implemented for determining the fracture location in dissimilar friction stir welded AA5754-C11000 alloys. Too Shoulder Diameter (mm), Tool Rotational Speed (RPM), and Tool Traverse Speed (mm/min) are input parameters while the Fracture location i.e. whether the specimen fracture at Thermo-Mechanically Affected Zone (TMAZ) of copper or it fractures at TMAZ of Aluminium. The results showed that the implemented algorithm is able to predict the fracture location with 96.92% accuracy.
• Abstract（参考訳）: 計算神経科学 (Computer Neuroscience) として知られる分野は、数学的手法と理論を用いた脳機能の研究を含む。 脳がどのように情報を処理するかを理解するために、信号処理、コンピュータ科学、物理学といった様々な方法を含めることができる。 本研究は,AA5754-C11000合金を異種摩擦圧接した際の破壊位置を決定するために,神経生物学に基づく教師なし機械学習アルゴリズムを初めて実装したものである。 銅の熱力学的影響帯(TMAZ)の試料破断とアルミニウムのTMAZ(TMAZ)の破断のいずれにおいても, 肩関節径(mm), 工具回転速度(RPM), 工具トラバース速度(mm/min)が入力パラメータである。 その結果、実装したアルゴリズムは96.92%の精度で破壊位置を予測できることがわかった。

関連論文リスト

• Model calibration using a parallel differential evolution algorithm in computational neuroscience: simulation of stretch induced nerve deficit [1.1026741683718058]
  実験結果に対して校正する必要がある自由パラメータを複数有する複合機械電気生理学的モデルを用いる。 キャリブレーションは進化的アルゴリズム(差分進化, DE)を用いて実施され、6つの異なる損傷事例におけるパラメータのそれぞれの構成を評価する必要がある。 我々は,利用可能な計算能力をすべて活用して,マルチプロセッサ上で動作するOpenMPに基づく並列実装を開発した。
  論文  参考訳（メタデータ） (2024-09-19T08:40:32Z)
• Machine learning-based spin structure detection [0.0]
  我々は,この測定におけるスカイミオンの位置と形状を検出するために,セグメンテーション問題に特化して設計された畳み込みニューラルネットワークについて報告する。 本研究の結果から, よく訓練されたネットワークは, 磁気顕微鏡におけるデータ前処理の自動化に有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-24T17:19:31Z)
• Neuroevolutionary algorithms driven by neuron coverage metrics for semi-supervised classification [60.60571130467197]
  一部の機械学習アプリケーションでは、ラベル付けされていないインスタンスが豊富であるのに対して、教師付き分類のためのラベル付きインスタンスの可用性は制限されている。 本稿では、ニューラルネットワークアーキテクチャ上で計算されたニューラルネットワークカバレッジメトリクスを用いて、未ラベルのインスタンスを利用する神経進化的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-05T23:38:44Z)
• 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)
• Explainable AI Algorithms for Vibration Data-based Fault Detection: Use Case-adadpted Methods and Critical Evaluation [0.0]
  深層ニューラルネットワークアルゴリズムを用いて振動データを解析することは、回転機械の損傷を早期に検出する有効な方法である。 本研究では、振動に基づく状態監視のための畳み込みニューラルネットワークへの説明可能なAI(XAI)アルゴリズムの適用について検討する。
  論文  参考訳（メタデータ） (2022-07-21T19:57:36Z)
• Machine Learning Algorithms for Prediction of Penetration Depth and Geometrical Analysis of Weld in Friction Stir Spot Welding Process [0.0]
  この研究は、Supervised Machine Learningアルゴリズムを用いた浸透深度予測に基づいている。 AA1230アルミニウム合金の2要素を接合するためにFSSWを用いた。 ロバスト回帰機械学習アルゴリズムは0.96の判定係数によって残りのアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2022-01-21T17:16:25Z)
• A Normative and Biologically Plausible Algorithm for Independent Component Analysis [15.082715993594121]
  信号処理では、線形ブラインド音源分離問題は独立成分分析(ICA)によってしばしば解決される。 生物学的回路のモデルとして機能するためには、ICAニューラルネットワーク(NN)は、少なくとも以下の要件を満たす必要がある。 本稿では,ニューラルアーキテクチャとシナプス学習規則の両方を含む生物学的に妥当なNNを導出するICAの目的関数を提案する。
  論文  参考訳（メタデータ） (2021-11-17T01:43:42Z)
• MIRACLE: Causally-Aware Imputation via Learning Missing Data Mechanisms [82.90843777097606]
  欠落データに対する因果認識型計算アルゴリズム(MIRACLE)を提案する。 MIRACLEは、欠落発生機構を同時にモデル化することにより、ベースラインの計算を反復的に洗練する。 我々は、MIRACLEが一貫してイミューテーションを改善することができることを示すために、合成および様々な公開データセットに関する広範な実験を行う。
  論文  参考訳（メタデータ） (2021-11-04T22:38:18Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• The Causal Neural Connection: Expressiveness, Learnability, and Inference [125.57815987218756]
  構造因果モデル (Structuor causal model, SCM) と呼ばれるオブジェクトは、調査中のシステムのランダムな変動のメカニズムと源の集合を表す。 本稿では, 因果的階層定理 (Thm. 1, Bareinboim et al., 2020) がまだニューラルモデルに対して成り立っていることを示す。 我々はニューラル因果モデル(NCM)と呼ばれる特殊なタイプのSCMを導入し、因果推論に必要な構造的制約をエンコードする新しいタイプの帰納バイアスを定式化する。
  論文  参考訳（メタデータ） (2021-07-02T01:55:18Z)
• Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by Spiking Neural Network [68.43026108936029]
  雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。 このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。 実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
  論文  参考訳（メタデータ） (2020-07-07T08:22:56Z)

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。