論文の概要: Exploration of carbonate aggregates in road construction using ultrasonic and artificial intelligence approaches

• arxiv url: http://arxiv.org/abs/2302.05884v1
• Date: Sun, 12 Feb 2023 09:54:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-14 18:07:22.180218
• Title: Exploration of carbonate aggregates in road construction using ultrasonic and artificial intelligence approaches
• Title（参考訳）: 超音波と人工知能を用いた道路建設における炭酸塩骨材の探索
• Authors: Mohamed Abdelhedi, Rateb Jabbar, Chedly Abbes
• Abstract要約: ロサンゼルス (LA) とマイクロデバル (MDE) 係数を予測する2つのモデルを開発した。 これらの係数は、集合体の破砕と摩耗に対する抵抗を記述する。
• 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 COVID-19 pandemic has significantly impacted the construction sector, which is sensitive to economic cycles. In order to boost value and efficiency in this sector, the use of innovative exploration technologies such as ultrasonic and Artificial Intelligence techniques in building material research is becoming increasingly crucial. In this study, we developed two models for predicting the Los Angeles (LA) and Micro Deval (MDE) coefficients, two important geotechnical tests used to determine the quality of rock aggregates. These coefficients describe the resistance of aggregates to fragmentation and abrasion. The ultrasound velocity, porosity, and density of the rocks were determined and used as inputs to develop prediction models using multiple regression and an artificial neural network. These models may be used to assess the quality of rock aggregates at the exploration stage without the need for tedious laboratory analysis.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックは、経済サイクルに敏感な建設セクターに大きな影響を与えている。 この分野での価値と効率を高めるために、材料研究における超音波や人工知能といった革新的な探査技術の利用がますます重要になっている。 本研究では,ロサンゼルス (LA) とマイクロデバル (MDE) 係数を予測するための2つのモデルを開発した。 これらの係数は、凝集体のフラグメンテーションと摩耗に対する抵抗を記述する。 マルチレグレッションと人工ニューラルネットワークを用いた予測モデルを構築するための入力として, 超音波速度, ポロシティ, 岩石密度を測定した。 これらのモデルは、退屈な実験室分析を必要とせずに、探査段階での岩石骨材の品質を評価するために用いられる。

関連論文リスト

• Foundation Model for Composite Materials and Microstructural Analysis [49.1574468325115]
  複合材料に特化して設計された基礎モデルを提案する。 我々のモデルは、頑健な潜伏特性を学習するために、短繊維コンポジットのデータセット上で事前訓練されている。 転送学習中、MMAEはR2スコアが0.959に達し、限られたデータで訓練しても0.91を超えている均質化剛性を正確に予測する。
  論文  参考訳（メタデータ） (2024-11-10T19:06:25Z)
• Texture Feature Analysis for Classification of Early-Stage Prostate Cancer in mpMRI [0.0]
  本研究では,一階統計的特徴,ハラリックテクスチャ的特徴,および局所二分法パターンによる分類への寄与を分析した。 我々は、分類結果を決定する少数の特徴を特定し、説明可能なAIアプローチの開発に役立つかもしれない。
  論文  参考訳（メタデータ） (2024-06-21T18:12:58Z)
• High-Resolution Detection of Earth Structural Heterogeneities from Seismic Amplitudes using Convolutional Neural Networks with Attention layers [0.31457219084519]
  本稿では,CNN(Convolutional Neural Networks)とアテンション層を組み合わせた構造的不均一性検出のための効率的で費用対効果の高いアーキテクチャを提案する。 我々のモデルは最先端技術と比較して半分のパラメータを持ち、IoU(Intersection over Union)では0.6%、精度は0.4%という従来の手法よりも優れています。
  論文  参考訳（メタデータ） (2024-04-15T22:49:37Z)
• Topological, or Non-topological? A Deep Learning Based Prediction [0.0]
  望ましい性質を持つ新しい物質の予測と発見は、量子科学と技術研究の最前線にある。 この分野での大きなボトルネックは、abinitio計算から新しい材料を見つけることに関連する計算資源と時間複雑性である。 本研究では、永続的ホモロジーとグラフニューラルネットワークを組み込むことにより、効果的で堅牢なディープラーニングに基づくモデルを提案する。
  論文  参考訳（メタデータ） (2023-10-29T05:29:49Z)
• Gemtelligence: Accelerating Gemstone classification with Deep Learning [2.6762052058730514]
  Gemtelligenceは、深層学習に基づく新しいアプローチであり、正確で一貫した原点決定と治療検出を可能にする。 このアルゴリズムは、高価なレーザーアブレーション誘導結合プラズマ質量分析法に匹敵する予測性能を示した。 我々の革新的な方法論は、宝石分析の分野で大きなブレークスルーを示している。
  論文  参考訳（メタデータ） (2023-05-31T14:35:02Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
  医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。 データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。 比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
  論文  参考訳（メタデータ） (2022-04-09T13:04:36Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Prediction of geophysical properties of rocks on rare well data and attributes of seismic waves by machine learning methods on the example of the Achimov formation [0.0]
  本研究の目的は,シベリア西部の油田部におけるアキモフ堆積物の産出間隔である。 この研究は、機械学習アルゴリズムの技術的スタック、ソースデータを合成データで強化する方法、そして新しい機能を作成するアルゴリズムを示している。
  論文  参考訳（メタデータ） (2021-06-24T18:54:47Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)

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。