論文の概要: An Adaptive GViT for Gas Mixture Identification and Concentration
Estimation
- arxiv url: http://arxiv.org/abs/2303.05685v1
- Date: Fri, 10 Mar 2023 03:37:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-13 16:17:12.192883
- Title: An Adaptive GViT for Gas Mixture Identification and Concentration
Estimation
- Title(参考訳): ガス混合物の同定と濃度推定のための適応gvit
- Authors: Ding Wang, Wenwen Zhang
- Abstract要約: ガス識別の精度は97.61%に達し、純粋なガス濃度推定のR2は平均で99.5%を超える。
GViTモデルは、センサアレイの可変長リアルタイム信号データを入力として直接利用することができる。
- 参考スコア(独自算出の注目度): 9.331787778137945
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Estimating the composition and concentration of ambient gases is crucial for
industrial gas safety. Even though other researchers have proposed some gas
identification and con-centration estimation algorithms, these algorithms still
suffer from severe flaws, particularly in fulfilling industry demands. One
example is that the lengths of data collected in an industrial setting tend to
vary. The conventional algorithm, yet, cannot be used to analyze the
variant-length data effectively. Trimming the data will preserve only
steady-state values, inevitably leading to the loss of vital information. The
gas identification and concentration estimation model called GCN-ViT(GViT) is
proposed in this paper; we view the sensor data to be a one-way chain that has
only been downscaled to retain the majority of the original in-formation. The
GViT model can directly utilize sensor ar-rays' variable-length real-time
signal data as input. We validated the above model on a dataset of 12-hour
uninterrupted monitoring of two randomly varying gas mixtures, CO-ethylene and
methane-ethylene. The accuracy of gas identification can reach 97.61%, R2 of
the pure gas concentration estimation is above 99.5% on average, and R2 of the
mixed gas concentration estimation is above 95% on average.
- Abstract(参考訳): 環境ガスの組成と濃度を推定することは産業用ガスの安全性に不可欠である。
他の研究者はガスの同定とコンセントレーション推定アルゴリズムを提案したが、これらのアルゴリズムは深刻な欠陥に悩まされ、特に業界の要求を満たす。
例えば、産業環境で収集されるデータの長さは異なる傾向にある。
従来のアルゴリズムでは、変長データを効率的に分析することはできない。
データのトリミングは定常的な値のみを保持し、必然的に重要な情報が失われる。
本稿では,GCN-ViT(GViT)と呼ばれるガス識別および濃度推定モデルを提案する。
GViTモデルは、センサアレイの可変長リアルタイム信号データを入力として直接利用することができる。
ランダムに変化するCO-エチレンとメタン-エチレンの混合ガスを12時間無断で観測した。
ガス識別の精度は97.61%に達し、純粋なガス濃度推定のR2は平均で99.5%以上、混合ガス濃度推定のR2は平均で95%以上である。
関連論文リスト
- Unlocking the Potential: Multi-task Deep Learning for Spaceborne
Quantitative Monitoring of Fugitive Methane Plumes [0.8957856456512912]
本研究では,メタン濃度インバージョン,プルームセグメンテーション,エミッションレート推定の3つのサブタスクにメタン排出量モニタリングを分解する。
本研究では,物理シミュレーションに基づくリモートセンシング画像からのメタン排出量の定量的モニタリングを行うための,新しいディープラーニングベースのフレームワークを提案する。
メタン濃度インバージョンのためのU-Netネットワーク,メタン配管セグメンテーションのためのMask R-CNNネットワーク,メタン排出率推定のためのResNet-50ネットワークを訓練する。
論文 参考訳(メタデータ) (2024-01-23T16:04:19Z) - Spike-time encoding of gas concentrations using neuromorphic analog
sensory front-end [0.06752396542927405]
本稿では,哺乳動物嗅球のスパイク出力とイベントベース視覚センサにインスパイアされた簡単なアナログ回路設計を提案する。
我々の回路は、2つの異なる経路のパルス間の時間差でガス濃度を符号化する。
論文 参考訳(メタデータ) (2023-10-11T13:23:37Z) - Autonomous Detection of Methane Emissions in Multispectral Satellite
Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。
現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。
深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文 参考訳(メタデータ) (2023-08-21T19:36:50Z) - Anomaly Detection with Variance Stabilized Density Estimation [67.96748304066827]
密度推定に基づく異常検出スキームは、通常、低密度領域に存在する異常をモデル化する。
修正された密度推定問題を提案し,その異常検出の有効性を実証する。
論文 参考訳(メタデータ) (2023-06-01T11:52:58Z) - Accurate ignition detection of solid fuel particles using machine
learning [3.473038099935777]
石炭粒子径90-125mと160-200mの2つの粒径を従来の空気およびオキシ燃料条件下で検討した。
残留ネットワーク(ResNet)と特徴ピラミッドネットワーク(FPN)は、真実に基づいて訓練され、点火時間を予測する。
論文 参考訳(メタデータ) (2023-04-20T21:10:14Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - Ill-posed Surface Emissivity Retrieval from Multi-Geometry
HyperspectralImages using a Hybrid Deep Neural Network [0.0]
大気補正はリモートセンシングの基本的な課題である。
マルチスキャンハイパースペクトルデータを用いた自動大気補正のために,幾何依存型ハイブリッドニューラルネットワークを提案する。
その結果,提案ネットワークは,29の異なる物質に対して0.02以下の平均絶対誤差 (MAE) で大気特性を正確に評価し,目標放射率スペクトルを推定する能力を有することがわかった。
論文 参考訳(メタデータ) (2021-07-09T18:59:58Z) - Featurized Density Ratio Estimation [82.40706152910292]
本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。
この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。
同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
論文 参考訳(メタデータ) (2021-07-05T18:30:26Z) - Averaging Atmospheric Gas Concentration Data using Wasserstein
Barycenters [68.978070616775]
ハイパースペクトル衛星画像は、世界中の温室効果ガス濃度を毎日報告している。
気象データと組み合わさったワッサーシュタイン・バリセンタを用いて, ガス濃度データセットの平均化と, 質量集中性の向上を提案する。
論文 参考訳(メタデータ) (2020-10-06T14:31:25Z) - ETH-XGaze: A Large Scale Dataset for Gaze Estimation under Extreme Head
Pose and Gaze Variation [52.5465548207648]
ETH-XGazeは100万以上の高解像度画像からなる新しい視線推定データセットである。
我々のデータセットは、異なる頭部ポーズと視線角度で視線推定手法のロバスト性を大幅に改善できることを示す。
論文 参考訳(メタデータ) (2020-07-31T04:15:53Z) - Using context to make gas classifiers robust to sensor drift [0.0]
ガス粒子と金属酸化物系ガスセンサとの相互作用は、センサを不可逆的に変化させる。
センサードリフトと呼ばれる複合的な変化は不安定であるが、適応アルゴリズムは嗅覚センサーシステムの精度を維持することができる。
本稿では,ドリフトが発生した後,ある時間窓から次の時間窓に知識を移すことによって,追加のデータ取得なしにそのようなシステムをどうやって定義できるかを示す。
論文 参考訳(メタデータ) (2020-03-16T15:53:11Z)
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。