Numer: 01/2023 Str. 230
Autorzy: Grzegorz Kłosowski , Michał Maj , Michał Oleszek :
Tytuł: Porównanie algorytmów CNN i LSTM do rozwiązania problemu odwrotnego EIT
Streszczenie: W tym artykule przedstawiono badania porównawcze w celu weryfikacji przydatności wybranych metod uczenia maszynowego do zagadnienia polegającego na rozwiązaniu problemu odwrotnego w elektrycznej tomografii impedancyjnej. Badania polegały na wykorzystaniu tomografu do obrazowania obszarów zawilgocenia wewnątrz murów. Zgromadzone za pomocą tomografu dane pomiarowe zostały przekształcone na obrazy przestrzenne 3D za pomocą dwóch rodzajów sztucznych sieci neuronowych – konwolucyjne sieci neuronowej (CNN) oraz sieci rekurencyjnej typu long short-term memory (LSTM).
Słowa kluczowe: tomografia elektryczna; uczenie maszynowe; wykrywanie wilgoci, sieci neuronowe.