論文の概要: Artificial neural networks for predicting the viscosity of
lead-containing glasses
- arxiv url: http://arxiv.org/abs/2211.07587v1
- Date: Fri, 11 Nov 2022 00:04:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 21:38:12.408968
- Title: Artificial neural networks for predicting the viscosity of
lead-containing glasses
- Title（参考訳）: 鉛含有ガラスの粘度予測のための人工ニューラルネットワーク
- Authors: Patrick dos Anjos, Lucas A. Quaresma, Marcelo L. P. Machado
- Abstract要約: SciGlassデータベースは、化学組成、温度、粘度のトレーニング、検証、試験データを提供するために使用された。
トレーニングデータと検証データで構築された最良のモデルは、文献の他の7つのモデルと比較された。
スキューネスとクルトシスを計算し、テストデータで構築された最高のニューラルネットワークによって予測される値との間には良好な相関関係がある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The viscosity of lead-containing glasses is of fundamental importance for the
manufacturing process, and can be predicted by algorithms such as artificial
neural networks. The SciGlass database was used to provide training, validation
and test data of chemical composition, temperature and viscosity for the
construction of artificial neural networks with node variation in the hidden
layer. The best model built with training data and validation data was compared
with 7 other models from the literature, demonstrating better statistical
evaluations of mean absolute error and coefficient of determination to the test
data, with subsequent sensitivity analysis in agreement with the literature.
Skewness and kurtosis were calculated and there is a good correlation between
the values predicted by the best neural network built with the test data.
- Abstract（参考訳）: 鉛含有ガラスの粘度は製造プロセスにおいて基本的重要であり、人工ニューラルネットワークなどのアルゴリズムによって予測できる。
SciGlassデータベースは、隠れた層にノード変動のある人工ニューラルネットワークを構築するための化学組成、温度、粘度のトレーニング、検証、テストデータを提供するために使用された。
学習データと検証データで構築した最良のモデルは,文献から得られた他の7モデルと比較され,平均絶対誤差と判定係数の統計的評価が向上し,その後の感度分析は文献と一致した。
スキューネスとクルトシスを計算し、テストデータで構築された最高のニューラルネットワークによって予測される値との間には良好な相関関係がある。
関連論文リスト
- An Investigation on Machine Learning Predictive Accuracy Improvement and Uncertainty Reduction using VAE-based Data Augmentation [2.517043342442487]
深層生成学習は、特定のMLモデルを使用して、既存のデータの基盤となる分布を学習し、実際のデータに似た合成サンプルを生成する。
本研究では,変分オートエンコーダ(VAE)を用いた深部生成モデルを用いて,データ拡張の有効性を評価することを目的とする。
本研究では,拡張データを用いてトレーニングしたディープニューラルネットワーク(DNN)モデルの予測において,データ拡張が精度の向上につながるかどうかを検討した。
論文 参考訳（メタデータ） (2024-10-24T18:15:48Z) - Post-training Model Quantization Using GANs for Synthetic Data
Generation [57.40733249681334]
量子化法における実データを用いたキャリブレーションの代用として合成データを用いた場合について検討する。
本稿では,StyleGAN2-ADAが生成したデータと事前学習したDiStyleGANを用いて定量化したモデルの性能と,実データを用いた量子化とフラクタル画像に基づく代替データ生成手法との比較を行った。
論文 参考訳（メタデータ） (2023-05-10T11:10:09Z) - An Adversarial Active Sampling-based Data Augmentation Framework for
Manufacturable Chip Design [55.62660894625669]
リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。
機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。
本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-27T20:53:39Z) - 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) - Viskositas: Viscosity Prediction of Multicomponent Chemical Systems [0.0]
粘度を変数の関数として提供するために、いくつかの数学的モデルが構築された。
ニューラルネットワークによる非線形モデルを生成するために,データベースを構築した。
Viskositasという名前のモデルでは、平均絶対誤差、標準偏差、決定係数の統計学的評価が向上した。
論文 参考訳（メタデータ） (2022-08-02T13:16:26Z) - A Novel Capsule Neural Network Based Model for Drowsiness Detection
Using Electroencephalography Signals [0.0]
Capsule Neural Networksは、データ量を減らすために提案された新しいディープラーニングアルゴリズムである。
本稿では,脳波信号チャネルの分光画像の結合を用いて,CapsNetを用いた深層学習による眠気検出手法を提案する。
論文 参考訳（メタデータ） (2022-04-04T17:23:53Z) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳（メタデータ） (2022-02-01T17:11:13Z) - Firearm Detection via Convolutional Neural Networks: Comparing a
Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。
これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。
従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
論文 参考訳（メタデータ） (2020-12-17T15:19:29Z) - Statistical model-based evaluation of neural networks [74.10854783437351]
ニューラルネットワーク(NN)の評価のための実験装置を開発する。
このセットアップは、NNs vis-a-vis minimum-mean-square-error (MMSE)パフォーマンス境界のベンチマークに役立つ。
これにより、トレーニングデータサイズ、データ次元、データ幾何学、ノイズ、トレーニング条件とテスト条件のミスマッチの影響をテストできます。
論文 参考訳（メタデータ） (2020-11-18T00:33:24Z) - A robust solution of a statistical inverse problem in multiscale
computational mechanics using an artificial neural network [0.0]
この研究は、ニューラルネットワークに基づく機械学習を用いて、ランダムな異種材料の見かけの弾性特性の逆同定に対処する。
提案手法では,ニューラルネットワークをトレーニング可能なデータベースの構築が必要である。
トレーニングされたニューラルネットワークの性能は,平均二乗誤差,線形回帰適合,確率分布の観点から分析する。
論文 参考訳（メタデータ） (2020-11-16T09:37:27Z) - STAN: Synthetic Network Traffic Generation with Generative Neural Models [10.54843182184416]
本稿では,現実的な合成ネットワークトラフィックデータセットを生成するためのSTAN(Synthetic Network Traffic Generation with Autoregressive Neural Model)を提案する。
私たちの新しいニューラルアーキテクチャは、常に属性間の時間的依存関係と依存の両方をキャプチャします。
我々は、シミュレーションデータセットと実ネットワークトラフィックデータセットの両方で、STANの性能を、データの品質の観点から評価する。
論文 参考訳（メタデータ） (2020-09-27T04:20:02Z)
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。