The use of LSTM with self-attention layer for monitoring industrial reactors using impedance and capacitance tomography
Artykuł w czasopiśmie
MNiSW
70
Lista 2024
| 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. |
