JPWO2022097305A5 - 推定装置、推定方法及び推定プログラム - Google Patents
推定装置、推定方法及び推定プログラム Download PDFInfo
- Publication number
- JPWO2022097305A5 JPWO2022097305A5 JP2022560628A JP2022560628A JPWO2022097305A5 JP WO2022097305 A5 JPWO2022097305 A5 JP WO2022097305A5 JP 2022560628 A JP2022560628 A JP 2022560628A JP 2022560628 A JP2022560628 A JP 2022560628A JP WO2022097305 A5 JPWO2022097305 A5 JP WO2022097305A5
- Authority
- JP
- Japan
- Prior art keywords
- value
- dimensional space
- error function
- measuring device
- material layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims 9
- 239000000463 material Substances 0.000 claims 21
- 230000006870 function Effects 0.000 claims 14
- 239000002245 particle Substances 0.000 claims 11
- 238000009434 installation Methods 0.000 claims 9
- 238000004364 calculation method Methods 0.000 claims 6
- 238000013527 convolutional neural network Methods 0.000 claims 6
- 238000005259 measurement Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
Claims (8)
- 探査対象物を含む三次元空間を通過した荷電粒子の数と当該荷電粒子の入射方向とを測定する複数の測定器による測定値と、各測定器の設置位置と、前記三次元空間に含まれる複数の物質層の種別との入力を受け付ける受付手段と、
前記三次元空間を複数のボクセルの集合で表現した第1のボリューム内の各ボクセルに前記荷電粒子の密度情報として任意の値を設定し、前記第1のボリュームに対して所定の畳み込み演算を行う畳み込みニューラルネットワークにおける最終層に含まれる複数の第2のボリュームのそれぞれを、前記測定器と物質層の組合せに対応させて設定する設定手段と、
前記畳み込み演算により取得された最終層の値のうち、前記測定器ごとの各物質層に対応する前記第2のボリュームの値と、各物質層の種別に対応する物質の固有密度係数と、当該測定器に対応する前記設置位置とを用いて、前記測定器ごとに前記測定値の期待値を再構成する再構成手段と、
前記測定器ごとの前記再構成された期待値と前記測定値との二乗誤差を含む誤差関数値を算出する誤差算出手段と、
前記誤差関数値が所定値以上である場合に、前記誤差関数値を最小化するように、前記畳み込みニューラルネットワークのパラメータを学習する学習手段と、
前記学習後のパラメータを用いて前記畳み込み演算により最終層の値を取得する演算手段と、
前記取得された最終層の値と前記設置位置を用いて前記三次元空間における前記密度情報の分布の推定値を推定する推定手段と、
前記誤差関数値が所定値未満である場合に、前記推定値を出力する出力手段と、
を備える推定装置。 - 前記受付手段は、前記探査対象物の形状に関する形状情報の入力をさらに受け付け、
前記誤差算出手段は、前記推定値のうち前記探査対象物の形状に関する推定値と、前記入力された形状情報との誤差をさらに含めて前記誤差関数値を算出する
請求項1に記載の推定装置。 - 前記受付手段は、前記探査対象物の前記三次元空間内の想定位置の入力をさらに受け付け、
前記誤差算出手段は、前記探査対象物の形状に関する推定値に対して、前記想定位置とのずれを調整するように前記誤差関数値を算出する
請求項2に記載の推定装置。 - 前記受付手段は、前記三次元空間のうち地表面より下の物質層の指定をさらに受け付け、
前記設定手段は、前記第1のボリュームのうち前記指定された物質層に対応するボクセルの初期値を、前記指定された物質層以外の物質層に対応するボクセルの初期値よりも高くするように設定する
請求項1乃至3のいずれか1項に記載の推定装置。 - 前記受付手段は、前記複数の物質層のうち前記探査対象物が存在する可能性のある物質層の種別の指定をさらに受け付け、
前記学習手段は、各ボクセルのうち前記指定されなかった物質層に対応するボクセルを学習の対象外として前記パラメータの学習を行う
請求項1乃至4のいずれか1項に記載の推定装置。 - 前記荷電粒子は、ミューオン粒子である
請求項1乃至5のいずれか1項に記載の推定装置。 - コンピュータが、
探査対象物を含む三次元空間を通過した荷電粒子の数と当該荷電粒子の入射方向とを測定する複数の測定器による測定値と、各測定器の設置位置と、前記三次元空間に含まれる複数の物質層の種別との入力を受け付け、
前記三次元空間を複数のボクセルの集合で表現した第1のボリューム内の各ボクセルに前記荷電粒子の密度情報として任意の値を設定し、前記第1のボリュームに対して所定の畳み込み演算を行う畳み込みニューラルネットワークにおける最終層に含まれる複数の第2のボリュームのそれぞれを、前記測定器と物質層の組合せに対応させて設定し、
前記畳み込み演算により前記最終層の値を取得し、
前記取得された最終層の値のうち、前記測定器ごとの各物質層に対応する前記第2のボリュームの値と、各物質層の種別に対応する物質の固有密度係数と、当該測定器に対応する前記設置位置とを用いて、前記測定器ごとに前記測定値の期待値を再構成し、
前記測定器ごとの前記再構成された期待値と前記測定値との二乗誤差を含む誤差関数値を算出し、
前記誤差関数値が所定値以上である場合に、前記誤差関数値を最小化するように、前記畳み込みニューラルネットワークのパラメータを学習し、
前記学習後のパラメータを用いて前記畳み込み演算により最終層の値を取得し、
前記取得された最終層の値と前記設置位置を用いて前記三次元空間における前記密度情報の分布の推定値を推定し、
前記誤差関数値が所定値未満である場合に、前記推定値を出力する、
推定方法。 - 探査対象物を含む三次元空間を通過した荷電粒子の数と当該荷電粒子の入射方向とを測定する複数の測定器による測定値と、各測定器の設置位置と、前記三次元空間に含まれる複数の物質層の種別との入力を受け付ける受付処理と、
前記三次元空間を複数のボクセルの集合で表現した第1のボリューム内の各ボクセルに前記荷電粒子の密度情報として任意の値を設定し、前記第1のボリュームに対して所定の畳み込み演算を行う畳み込みニューラルネットワークにおける最終層に含まれる複数の第2のボリュームのそれぞれを、前記測定器と物質層の組合せに対応させて設定する設定処理と、
前記畳み込み演算により取得された最終層の値のうち、前記測定器ごとの各物質層に対応する前記第2のボリュームの値と、各物質層の種別に対応する物質の固有密度係数と、当該測定器に対応する前記設置位置とを用いて、前記測定器ごとに前記測定値の期待値を再構成する再構成処理と、
前記測定器ごとの前記再構成された期待値と前記測定値との二乗誤差を含む誤差関数値を算出する誤差算出処理と、
前記誤差関数値が所定値以上である場合に、前記誤差関数値を最小化するように、前記畳み込みニューラルネットワークのパラメータを学習する学習処理と、
前記学習後のパラメータを用いて前記畳み込み演算により最終層の値を取得する演算処理と、
前記取得された最終層の値と前記設置位置を用いて前記三次元空間における前記密度情報の分布の推定値を推定する推定処理と、
前記誤差関数値が所定値未満である場合に、前記推定値を出力する出力処理と、
をコンピュータに実行させる推定プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/041762 WO2022097305A1 (ja) | 2020-11-09 | 2020-11-09 | 推定装置、推定方法及び非一時的なコンピュータ可読媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022097305A1 JPWO2022097305A1 (ja) | 2022-05-12 |
JPWO2022097305A5 true JPWO2022097305A5 (ja) | 2023-07-14 |
JP7485076B2 JP7485076B2 (ja) | 2024-05-16 |
Family
ID=81457708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022560628A Active JP7485076B2 (ja) | 2020-11-09 | 2020-11-09 | 推定装置、推定方法及び推定プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7485076B2 (ja) |
WO (1) | WO2022097305A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7372611B1 (ja) | 2022-09-12 | 2023-11-01 | 日本電気株式会社 | 構造体観測装置、モデル構築方法及びモデル構築プログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5789133B2 (ja) * | 2011-06-13 | 2015-10-07 | 川崎地質株式会社 | ミュー粒子を利用した三次元地盤探査システム |
FR3051258B1 (fr) * | 2016-05-11 | 2019-08-02 | Centre National De La Recherche Scientifique | Procede et dispositif de determination de la densite de volumes rocheux ou d'edifices artificiels |
JP2018189428A (ja) * | 2017-04-28 | 2018-11-29 | 国立大学法人東北大学 | 3次元像生成方法、3次元像生成システムおよび3次元像生成装置 |
-
2020
- 2020-11-09 JP JP2022560628A patent/JP7485076B2/ja active Active
- 2020-11-09 WO PCT/JP2020/041762 patent/WO2022097305A1/ja active Application Filing
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jirik et al. | Sound-speed image reconstruction in sparse-aperture 3-D ultrasound transmission tomography | |
Wang et al. | Inverse heat problem of determining time-dependent source parameter in reproducing kernel space | |
US6163589A (en) | Monte Carlo scatter correction method for computed tomography of general object geometries | |
CN111091603A (zh) | 一种超声成像方法、装置、可读存储介质及终端设备 | |
Jauhiainen et al. | Relaxed Gauss--Newton methods with applications to electrical impedance tomography | |
Wang et al. | An irrotation correction on pressure gradient and orthogonal-path integration for PIV-based pressure reconstruction | |
Gesemann | From particle tracks to velocity and acceleration fields using B-splines and penalties | |
CN106168942B (zh) | 一种基于奇异边界法的波动类型动态数据重构方法 | |
CN102779350A (zh) | 一种锥束ct迭代重建算法投影矩阵构建方法 | |
CN111125885A (zh) | 一种基于改进克里金插值算法的asf修正表构建方法 | |
CN105353405B (zh) | 一种全波形反演方法和系统 | |
CN108663711B (zh) | 一种基于τ分布的贝叶斯地震反演方法 | |
CN106842112B (zh) | 强混响环境下基于参数化贝叶斯字典学习的声源定位方法 | |
JPWO2022097305A5 (ja) | 推定装置、推定方法及び推定プログラム | |
CN104851080A (zh) | 一种基于tv的三维pet图像重建方法 | |
De Hoop et al. | An exact redatuming procedure for the inverse boundary value problem for the wave equation | |
Yendiki et al. | A comparison of rotation-and blob-based system models for 3D SPECT with depth-dependent detector response | |
CN109540089A (zh) | 一种基于贝叶斯-克里金模型的桥面高程拟合方法 | |
CN104240301A (zh) | 地质曲面重构方法及设备 | |
CN109239771B (zh) | 一种基于非均匀背景介质的弹性波成像方法 | |
Herman | Algorithms for computed tomography | |
Suuronen et al. | Enhancing industrial X-ray tomography by data-centric statistical methods | |
US20160198975A1 (en) | System and method for analysing data from a microwave inverse scattering apparatus | |
KR102493653B1 (ko) | 토모그래픽 유동장 계측의 성능 향상을 위한 카메라 자기 교정 방법 및 시스템 | |
Arciniegas et al. | Travel-time ultrasonic computed tomography applied to quantitative 2-D imaging of standing trees: a comparative numerical modeling study |