論文の概要: Online Non-Destructive Moisture Content Estimation of Filter Media During Drying Using Artificial Neural Networks

• arxiv url: http://arxiv.org/abs/2303.15570v1
• Date: Mon, 27 Mar 2023 19:37:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-29 17:15:50.555511
• Title: Online Non-Destructive Moisture Content Estimation of Filter Media During Drying Using Artificial Neural Networks
• Title（参考訳）: ニューラルネットワークを用いた乾燥時のフィルタ媒体のオンライン非破壊水分量推定
• Authors: Christian Remi Wewer and Alexandros Iosifidis
• Abstract要約: 粗いろ過媒体製品の乾燥工程において, 水分量 (MC) の推定が重要である。 人工ニューラルネットワーク(ANN)に基づく手法は、文献で報告されている最先端のMC推定手法と比較する。 実験結果から, ANNとオーブン設定データ, 乾燥時間, 製品温度を組み合わせることで, バルクフィルターメディア製品のMCを確実に推定できることがわかった。
• 参考スコア（独自算出の注目度）: 95.42181254494287
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Moisture content (MC) estimation is important in the manufacturing process of drying bulky filter media products as it is the prerequisite for drying optimization. In this study, a dataset collected by performing 161 drying industrial experiments is described and a methodology for MC estimation in an non-destructive and online manner during industrial drying is presented. An artificial neural network (ANN) based method is compared to state-of-the-art MC estimation methods reported in the literature. Results of model fitting and training show that a three-layer Perceptron achieves the lowest error. Experimental results show that ANNs combined with oven settings data, drying time and product temperature can be used to reliably estimate the MC of bulky filter media products.
• Abstract（参考訳）: 湿潤ろ過媒体の乾燥プロセスにおいて, 湿潤含量 (MC) の推定は, 乾燥最適化の前提条件として重要である。 本研究では,161個の乾燥産業実験を行ったデータセットを記載し,産業乾燥中の非破壊的かつオンライン的なmc推定手法を提案する。 人工ニューラルネットワーク(ANN)に基づく手法は、文献で報告されている最先端のMC推定手法と比較する。 モデルフィッティングおよびトレーニングの結果、三層パーセプトロンが最低誤差を達成することが示された。 実験により, ANNとオーブン設定データ, 乾燥時間, 製品温度を組み合わせることで, バルクフィルターメディア製品のMCを確実に推定できることがわかった。

関連論文リスト

• MoistNet: Machine Vision-based Deep Learning Models for Wood Chip Moisture Content Measurement [11.65689410574879]
  本研究では,木材チップのRGB画像から,深層学習とマシンビジョンを用いて水分含有量のクラスを予測する。 2つの高性能ニューラルネットワーク、MoistNetLiteとMoistNetMaxが開発されている。 その結果,MoistNetLiteは計算オーバーヘッドを最小限に抑えて87%の精度を達成し,MoistNetMaxは木材チップ水分量クラス予測において91%の精度で例外的精度を示した。
  論文  参考訳（メタデータ） (2024-09-07T22:03:13Z)
• EM Distillation for One-step Diffusion Models [65.57766773137068]
  最小品質の損失を最小限に抑えた1ステップ生成モデルに拡散モデルを蒸留する最大可能性に基づく手法を提案する。 本研究では, 蒸留プロセスの安定化を図るため, 再パラメータ化サンプリング手法とノイズキャンセリング手法を開発した。
  論文  参考訳（メタデータ） (2024-05-27T05:55:22Z)
• DeepForge: Leveraging AI for Microstructural Control in Metal Forming via Model Predictive Control [0.0]
  本研究では, 閉鎖型熱間鍛造における組織制御手法を提案する。 Model PredictiveCMPとDeepForgeというマシンを組み合わせる。
  論文  参考訳（メタデータ） (2024-02-25T15:37:14Z)
• Noise-Free Score Distillation [78.79226724549456]
  ノイズフリースコア蒸留(NFSD)プロセスは、オリジナルのSDSフレームワークに最小限の変更を必要とする。 我々は,CFG尺度を用いて,事前学習したテキスト・画像拡散モデルのより効果的な蒸留を行う。
  論文  参考訳（メタデータ） (2023-10-26T17:12:26Z)
• Application of Artificial Neural Networks for Investigation of Pressure Filtration Performance, a Zinc Leaching Filter Cake Moisture Modeling [0.0]
  本研究では,亜鉛製造の圧力濾過過程のケーキ水分を予測するためのANNモデルを開発した。 ANNモデルは、判定係数(R2)、平均平方誤差(MSE)、平均絶対誤差(MAE)で評価された。
  論文  参考訳（メタデータ） (2023-08-11T13:58:42Z)
• Grain and Grain Boundary Segmentation using Machine Learning with Real and Generated Datasets [0.0]
  畳み込みニューラルネットワーク(CNN)を用いた粒界セグメンテーション ランダムな合成ノイズと模擬欠陥を併用したボロノイ焼成パターンを開発し, 新規な造粒法を開発した。
  論文  参考訳（メタデータ） (2023-07-12T04:38:44Z)
• A machine learning-based viscoelastic-viscoplastic model for epoxy nanocomposites with moisture content [0.0]
  本研究では, 含水ナノ粒子の循環粘弾性・粘弾性・粘塑性損傷挙動を解析するための深層学習モデルを提案する。 サンプリング手法と摂動法を組み合わせた長期記憶ネットワークを訓練する。 実験によって検証された粘弾性-粘弾性-粘弾性モデルにより生成されたトレーニングデータとともに、DLモデルは、速度依存性の応力-ひずみ関係を正確に捉えることができる。
  論文  参考訳（メタデータ） (2023-05-14T08:33:11Z)
• Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
  我々はミネラルウールのための視覚品質管理システムを開発した。 ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。 我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
  論文  参考訳（メタデータ） (2022-11-01T13:58:02Z)
• Efficient training of lightweight neural networks using Online Self-Acquired Knowledge Distillation [51.66271681532262]
  オンライン自己獲得知識蒸留(OSAKD)は、ディープニューラルネットワークの性能をオンライン的に向上することを目的としている。 出力特徴空間におけるデータサンプルの未知確率分布を推定するために、k-nnノンパラメトリック密度推定手法を用いる。
  論文  参考訳（メタデータ） (2021-08-26T14:01:04Z)
• VAE-LIME: Deep Generative Model Based Approach for Local Data-Driven Model Interpretability Applied to the Ironmaking Industry [70.10343492784465]
  モデル予測だけでなく、その解釈可能性も、プロセスエンジニアに公開する必要があります。 LIMEに基づくモデルに依存しない局所的解釈可能性ソリューションが最近出現し、元の手法が改良された。 本稿では, 燃焼炉で生成する高温金属の温度を推定するデータ駆動型モデルの局所的解釈可能性に関する新しいアプローチ, VAE-LIMEを提案する。
  論文  参考訳（メタデータ） (2020-07-15T07:07:07Z)

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。