• Treffer 19 von 339
Zurück zur Trefferliste

Gas Distribution Mapping With Radius-Based, Bi-directional Graph Neural Networks (RABI-GNN)

  • Gas Distribution Mapping (GDM) is essential in monitoring hazardous environments, where uneven sampling and spatial sparsity of data present significant challenges. Traditional methods for GDM often fall short in accuracy and expressiveness. Modern learning-based approaches employing Convolutional Neural Networks (CNNs) require regular-sized input data, limiting their adaptability to irregular and sparse datasets typically encountered in GDM. This study addresses these shortcomings by showcasing Graph Neural Networks (GNNs) for learningbased GDM on irregular and spatially sparse sensor data. Our Radius-Based, Bi-Directionally connected GNN (RABI-GNN) was trained on a synthetic gas distribution dataset on which it outperforms our previous CNN-based model while overcoming its constraints. We demonstrate the flexibility of RABI-GNN by applying it to real-world data obtained in an industrial steel factory, highlighting promising opportunities for more accurate GDM models.

Volltext Dateien herunterladen

  • 4008.pdf
    eng
  • ISOEN_2024_front_matter.pdf
    eng

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Nicolas P. WinklerORCiD, Patrick P. NeumannORCiD, Erik SchaffernichtORCiD, Achim LilienthalORCiD
Dokumenttyp:Beitrag zu einem Tagungsband
Veröffentlichungsform:Graue Literatur
Sprache:Englisch
Titel des übergeordneten Werkes (Englisch):2024 IEEE International Symposium on Olfaction and Electronic Nose (ISOEN) Proceedings
Jahr der Erstveröffentlichung:2024
Organisationseinheit der BAM:8 Zerstörungsfreie Prüfung
8 Zerstörungsfreie Prüfung / 8.1 Sensorik, mess- und prüftechnische Verfahren
Verlag:IEEE
Erste Seite:1
Letzte Seite:3
DDC-Klassifikation:Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Sanitär- und Kommunaltechnik; Umwelttechnik
Freie Schlagwörter:Gas distribution mapping; Graph neural networks; Mobile robot olfaction; Spatial interpolation
Themenfelder/Aktivitätsfelder der BAM:Umwelt
Umwelt / Sensorik
Veranstaltung:International Symposium on Olfaction and Electronic Nose (ISOEN)
Veranstaltungsort:Grapevine, TX, USA
Beginndatum der Veranstaltung:12.05.2024
Enddatum der Veranstaltung:15.05.2024
ISBN:979-8-3503-7053-9
Verfügbarkeit des Dokuments:Datei im Netzwerk der BAM verfügbar ("Closed Access")
Datum der Freischaltung:27.05.2024
Referierte Publikation:Nein
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.