Baza Publikacji Pracowników Politechniki Lubelskiej

Status:
Warianty tytułu:	Zastosowanie LSTM z warstwą samouwagi do monitorowania reaktorów przemysłowych za pomocą tomografii impedancyjnej i pojemnościowej
Autorzy:	Kłosowski Grzegorz, Oleszek Michał, Wójcik Dariusz, Niderla Konrad
Dyscypliny:
	Aby zobaczyć szczegóły należy się zalogować.
Rok wydania:	2025
Wersja dokumentu:	Drukowana \| Elektroniczna
Język:	angielski
Numer czasopisma:	2
Wolumen/Tom:	101
Strony:	64 - 67
Impact Factor:	0,4
Scopus® Cytowania:	0
Bazy:	Scopus \| EBSCO \| INSPEC \| BAZTECH
Efekt badań statutowych	NIE
Materiał konferencyjny:	NIE
Publikacja OA:	TAK
Licencja:
Sposób udostępnienia:	Otwarte czasopismo
Wersja tekstu:	Ostateczna wersja opublikowana
Czas opublikowania:	W momencie opublikowania
Data opublikowania w OA:	26 lutego 2025
Abstrakty:	polski \| angielski
	Celem badań było opracowanie metody poprawiającej rozdzielczość obrazowania w przemysłowej tomografii elektrycznej. W tym celu opracowano model algorytmiczny sieci neuronowej opartej o warstwy LSTM, której cechą charakterystyczną były dwie sekwencje wejściowe oraz zastosowanie warstwy samouwagi. W proponowanym rozwiązaniu, sieć LSTM transformująca pomiary na obrazy wykorzystuje zarówno pomiary napięć, charakterystyczne dla elektrycznej tomografii impedancyjnej, jak również pomiary pojemności elektrycznej. Podejście hybrydowe redukuje niedookreśloność problemu odwrotnego, co poprawia jakość obrazowania. W celu obiektywnej oceny proponowanego rozwiązania porównano nowy model z modelem klasycznym, wykorzystującym jedynie pomiary EIT. Zastosowano cztery kryteria ilościowe, w postaci popularnych wskaźników wykorzystanych jako miary jakości obrazów. Rezultaty potwierdziły przewagę proponowanego podejścia nad modelem klasycznym.
	The study aimed to develop a method to improve imaging resolution in industrial electrical tomography. For this purpose, an algorithmic model of a neural network based on LSTM layers was developed, with two input sequences and a self-attention layer as characteristic features. Electrical impedance tomography measures voltage, and electrical capacitance measures capacitance. In the proposed solution, the LSTM network turns measurements into images using both types of measurements. The hybrid approach reduces the underdetermination of the inverse problem, improving imaging quality. To objectively evaluate the proposed solution, the new model was compared with the classical model, using only EIT measurements. Four quantitative criteria were used, in the form of popular indicators used to measure image quality. The results confirmed the advantage of the proposed approach over the classical model.

Informacja o cookies

The use of LSTM with self-attention layer for monitoring industrial reactors using impedance and capacitance tomography

Artykuł w czasopiśmie