深層学習を?いた屋外環境における?動ガス源探索―??するデータ?の最適化―

カテゴリ: 研究会(論文単位)

論文No: CHS23007

グループ名: 【E】センサ・マイクロマシン部門 ケミカルセンサ研究会

発行日: 2023/02/28

タイトル(英語): Gas Source Localization in Outdoor Environment Using Deep Learning: Optimization of Input Data Length

著者名: 趙 高挙(東京農工大学),松倉 悠(電気通信大学),石田 寛(東京農工大学)

著者名(英語): Gao-Ju Zhao(Tokyo University of Agriculture and Technology),Haruka Matsukura(University of Electro-Communications),Hiroshi Ishida(Tokyo University of Agriculture and Technology)

キーワード: ガス源探索|ガスセンサ|深層学習|gas source localization|gas sensor|deep learning

要約(日本語): 本研究では，ガスセンサと風速計から成るセンサネットワークを用意し，その時系列応答を用いて深層学習によりガス源位置を推定するシステムの実現を目指す。本稿では，深層学習に与えるデータ数を変え，ガス源位置推定成功率の変化を調べた結果を報告する。屋外で異なる季節にサンプリング周波数2 Hzで測定された三つのデータセットを用いた結果，サンプル数が100～200のときに最も高いガス源位置推定成功率が得られた。

要約(英語): This paper proposes to use a deep learning framework for gas source localization. Time-series data acquired from a gas sensor network at 2 Hz sampling rate is provided to the deep learning network to estimate a source location. The results of optimizing the input data length show that the optimal length for three datasets tested is 100?200.

本誌: 2023年3月3日ケミカルセンサ研究会

本誌掲載ページ: 37-39 p

原稿種別: 日本語

PDFファイルサイズ: 635 Kバイト