論文の概要: PGNAA Spectral Classification of Aluminium and Copper Alloys with Machine Learning

• arxiv url: http://arxiv.org/abs/2404.14107v1
• Date: Mon, 22 Apr 2024 11:52:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-23 14:06:38.291436
• Title: PGNAA Spectral Classification of Aluminium and Copper Alloys with Machine Learning
• Title（参考訳）: 機械学習によるアルミニウムおよび銅合金のPGNAAスペクトル分類
• Authors: Henrik Folz, Joshua Henjes, Annika Heuer, Joscha Lahl, Philipp Olfert, Bjarne Seen, Sebastian Stabenau, Kai Krycki, Markus Lange-Hegermann, Helmand Shayan,
• Abstract要約: この研究では、臭化セリウム(CeBr$_3$)と高純度ゲルマニウムHPGeの2つの検出器のデータを比較した。 また、CeBr$_3$は短い測定時間で優れ、HPGeは長い測定時間で優れた性能を発揮した。
• 参考スコア（独自算出の注目度）: 2.5639479043232107
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we explore the optimization of metal recycling with a focus on real-time differentiation between alloys of copper and aluminium. Spectral data, obtained through Prompt Gamma Neutron Activation Analysis (PGNAA), is utilized for classification. The study compares data from two detectors, cerium bromide (CeBr$_{3}$) and high purity germanium (HPGe), considering their energy resolution and sensitivity. We test various data generation, preprocessing, and classification methods, with Maximum Likelihood Classifier (MLC) and Conditional Variational Autoencoder (CVAE) yielding the best results. The study also highlights the impact of different detector types on classification accuracy, with CeBr$_{3}$ excelling in short measurement times and HPGe performing better in longer durations. The findings suggest the importance of selecting the appropriate detector and methodology based on specific application requirements.
• Abstract（参考訳）: 本稿では, 銅合金とアルミニウム合金のリアルタイム分化に着目し, 金属リサイクルの最適化について検討する。 Prompt Gamma Neutron Activation Analysis (PGNAA)により得られたスペクトルデータを分類するために利用する。 この研究は2つの検出器、セリウムブロミド(CeBr$_{3}$)と高純度ゲルマニウム(HPGe)のデータを比較し、そのエネルギー分解能と感度を考慮に入れた。 各種データ生成, 事前処理, 分類手法を, 最大等式分類器 (MLC) と条件変分オートエンコーダ (CVAE) で検証し, 最適な結果を得た。 また、CeBr$_{3}$は短い測定時間に優れ、HPGeは長い測定時間に優れていた。 その結果,特定の応用要件に基づいて適切な検出器と方法論を選択することの重要性が示唆された。

関連論文リスト

• Geodesic Optimization for Predictive Shift Adaptation on EEG data [53.58711912565724]
  ドメイン適応メソッドは、$X$と$y$で分散シフトが同時に発生したときに苦労する。 本稿では,GOPSA(Geodesic Optimization for Predictive Shift Adaptation)と呼ばれる新しい手法を提案する。 GOPSAは、脳波のバイオメディカル応用のための混合効果モデリングと機械学習を併用する可能性を持っている。
  論文  参考訳（メタデータ） (2024-07-04T12:15:42Z)
• Machine Learning-based Layer-wise Detection of Overheating Anomaly in LPBF using Photodiode Data [0.0]
  本研究は,光ダイオードセンサデータを用いた過熱異常の検出に焦点を当てた。 光ダイオードセンサーは、プロセスのダイナミクスと熱履歴を反映して、溶融プールから高周波データを収集することができる。 提案手法は,フォトダイオードセンサデータを用いて過熱異常を階層的に検出する機械学習フレームワークを提供する。
  論文  参考訳（メタデータ） (2024-03-20T01:12:44Z)
• Combination of Raman spectroscopy and chemometrics: A review of recent studies published in the Spectrochimica Acta, Part A: Molecular and Biomolecular Spectroscopy Journal [0.0]
  本稿では,ラマン分光法とケモメトリックスを併用して,試料とその異なる因子による変化について検討する。 我々は、分類モデルを作成するための最良の戦略を要約し、化学計測技術の適用に関して、いくつかの共通の欠点を強調した。
  論文  参考訳（メタデータ） (2022-10-18T13:08:20Z)
• "Prompt-Gamma Neutron Activation Analysis (PGNAA)" Metal Spectral Classification using Deep Learning Method [3.674863913115431]
  本稿では, PGNAA マシンのテスト時間を削減するため, ディープラーニング分類の新展開を紹介する。 我々はランダムサンプリング手法とクラス活性化マップ(CAM)の両方を提案し、"小さくなった"サンプルを生成し、CNNモデルを継続的に訓練する。 PGNAAの総計測時間を2.5秒に短縮し、12種類の物質を用いてデータセットの精度を96.88 %程度に抑える。
  論文  参考訳（メタデータ） (2022-08-29T22:02:48Z)
• PGNAA Spectral Classification of Metal with Density Estimations [3.425341633647624]
  異種物質の非破壊的オンライン分析方法はない。 純アルミニウム合金の測定では、0.25秒以下のアルミニウム合金のほぼ完全な分類が達成される。
  論文  参考訳（メタデータ） (2022-08-29T18:58:59Z)
• MetaRF: Differentiable Random Forest for Reaction Yield Prediction with a Few Trails [58.47364143304643]
  本稿では,反応収率予測問題に焦点をあてる。 筆者らはまず,数発の収量予測のために特別に設計された,注意に基づく識別可能なランダム森林モデルであるMetaRFを紹介した。 数発の学習性能を改善するために,さらに次元還元に基づくサンプリング手法を導入する。
  論文  参考訳（メタデータ） (2022-08-22T06:40:13Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Investigation of Different Calibration Methods for Deep Speaker Embedding based Verification Systems [66.61691401921296]
  本稿では, ディープスピーカ埋込抽出器のスコアキャリブレーション法について検討する。 この研究のさらなる焦点は、スコア正規化がシステムの校正性能に与える影響を推定することである。
  論文  参考訳（メタデータ） (2022-03-28T21:22:22Z)
• Classification of Spot-welded Joints in Laser Thermography Data using Convolutional Neural Networks [52.661521064098416]
  レーザサーモグラフィーデータから得られた画像を用いてスポット溶接の品質検査を行う手法を提案する。 我々は畳み込みニューラルネットワークを用いて溶接品質を分類し、異なるモデルの性能を互いに比較する。
  論文  参考訳（メタデータ） (2020-10-24T20:38:12Z)
• A Computationally Efficient Multiclass Time-Frequency Common Spatial Pattern Analysis on EEG Motor Imagery [164.93739293097605]
  共通空間パターン(CSP)は脳波(EEG)運動画像(MI)の一般的な特徴抽出法である 本研究では,従来のCSPアルゴリズムを改良し,マルチクラスMI分類精度を改善し,計算処理の効率化を図る。
  論文  参考訳（メタデータ） (2020-08-25T18:23:50Z)
• An ensemble classifier for vibration-based quality monitoring [0.0]
  本稿では, 証拠のデンプスター・シェーファー理論に基づく新しいアンサンブル分類器を開発する。 提案フレームワークの有効性は、15UCIおよびKEEL機械学習データセットに適用することで検証される。
  論文  参考訳（メタデータ） (2020-07-17T07:23:56Z)

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。