Machine learning for strain, temperature and humidity discrimination in Brillouin optical frequency domain analysis
- We propose to our knowledge for the first time an ensemble of probabilistic machine learning models for strain, temperature and humidity discrimination in Brillouin optical frequency domain analysis (BOFDA) applying a two-fiber configuration.
Autor*innen: | Christos KarapanagiotisORCiD |
---|---|
Persönliche Herausgeber*innen: | Katerina Krebber |
Dokumenttyp: | Beitrag zu einem Tagungsband |
Veröffentlichungsform: | Graue Literatur |
Sprache: | Englisch |
Titel des übergeordneten Werkes (Englisch): | Proceedings of the 28th International Conference on Optical Fiber Sensors |
Jahr der Erstveröffentlichung: | 2023 |
Organisationseinheit der BAM: | 8 Zerstörungsfreie Prüfung |
8 Zerstörungsfreie Prüfung / 8.6 Faseroptische Sensorik | |
Verlag: | Optica Publishing Group |
Erste Seite: | 1 |
Letzte Seite: | 4 |
DDC-Klassifikation: | Naturwissenschaften und Mathematik / Chemie / Analytische Chemie |
Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Angewandte Physik | |
Freie Schlagwörter: | Fiber optic sensors; Machine learning; Multiparameter sensing; Structural health monitoring |
Themenfelder/Aktivitätsfelder der BAM: | Energie |
Energie / Wasserstoff | |
Infrastruktur | |
Umwelt | |
Umwelt / Sensorik | |
Veranstaltung: | 28th International Conference on Optical Fiber Sensors |
Veranstaltungsort: | Hamamatsu, Japan |
Beginndatum der Veranstaltung: | 20.11.2023 |
Enddatum der Veranstaltung: | 24.11.2023 |
Verfügbarkeit des Dokuments: | Datei im Netzwerk der BAM verfügbar ("Closed Access") |
Datum der Freischaltung: | 22.01.2024 |
Referierte Publikation: | Nein |