深層学習を用いた屋外環境における自動ガス源探索―入力するセンサデータの長さについての検討―
深層学習を用いた屋外環境における自動ガス源探索―入力するセンサデータの長さについての検討―
カテゴリ: 部門大会
論文No: 19am3-PS3-49
グループ名: 【E】第36回「センサ・マイクロマシンと応用システム」シンポジウム
発行日: 2019/11/12
タイトル(英語): Autonomous Gas Source Localization in an Outdoor Environment Using Deep Learning: Investigation on Length of Sensor Data to Feed to the Network
著者名: 山本 晃史(東京農工大学), Bilgera Christian(東京農工大学), 澤野 真樹(東京農工大学), 松倉 悠(大阪大学), 澤田 直輝(山梨大学), Leow Chee-Siang(山梨大学), 西崎 博光(山梨大学), 石田 寛(東京農工大学)
要約(日本語): 屋外環境では,気流とガス濃度分布の変動によりガス源位置の特定が困難になる。そこで,複数のガスセンサと風速計から得た時系列データから,タイムステップごとにガス源位置推定を出力するsequence input and output LSTM-DNNを提案する。多くのデータセットに対し40タイムステップ(20秒)で正しくガス源位置を推定でき,300タイムステップでは95 %の推定精度を達成した。
要約(英語): Neural networks for gas source localization with the ability to use various length input data and estimate a gas source location each time-step are presented. Experimental results show that the network can estimate a gas source location within 40 time-steps (20 s) and achieve (using 300 time-steps) an estimation accuracy of 95%.
PDFファイルサイズ: 532 Kバイト
受取状況を読み込めませんでした
