文献

J-GLOBAL ID：201802276429389965   整理番号：18A2202301

畳み込みニューラルネットワークを用いた気象時系列データにおける変化点の検知と注目範囲の可視化についての基礎検討

A Preliminary Study on Change Point Detection Using Convolutional Neural Network and Visualization of Range of Interests for Weather Time Series Data

著者 (4件)： 前原宗太朗 (鹿児島大 大学院理工学研究科) ,  福井健一 (大阪大 産科研) ,  冨田智彦 (熊本大) ,  小野智司 (鹿児島大 大学院理工学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 118  号： 197(AI2018 13-24)(Web)  ページ： 45-50 (WEB ONLY)  発行年： 2018年08月20日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： アメダス(Automated Meteorological Data Acquisition System:AMeDAS)は,降水量や気温などの気象データを観測するシステムであり,全国約1,300箇所に設置された観測点から構成される。観測地点の周囲の変化により観測データに影響が生じ,観測地点の変更が行われることがある。このとき,観測データに何らかの傾向の変化がみられる場合は変更があった旨が公表されるものの,観測値に明確な変化がみられない場合は観測地点の変更が特に公表されないことがある。このため,本研究では,畳み込みニューラルネットワークと訓練データの合成手法を用いることで,観測された気象データの微小な変化から観測環境の変化の有無を識別する手法を提案する。また,提案手法は,Guided Gradient-Weighted Class Activation Mappingを利用して,変化の有無の識別の際に注目された入力データの範囲を可視化する。観測地点の移転を仮想的に再現した気象データを用いて実験を行い,提案手法が変化点の検知を行えること,および,温度変化パターンにおいて着目する範囲の可視化を行えることを示す。(著者抄録)

シソーラス用語： 気象データ ,  データ ,  *時系列 ,  点 ,  可視化 ,  *ニューラルネットワーク ,  *気象観測 ,  時系列データ ,  変化点検出 ,  データ可視化 ,  畳込みニューラルネットワーク
準シソーラス用語： 変化点検知

分類 (2件)： 人工知能  (JE08000Z) ,  気象学一般  (DC05010D)

引用文献 (8件)：

• A. Krizhevsky, I. Sutskever, and G.E. Hinton, “Imagenet classification with deep convolutional neural networks,” Advances in neural information processing systems, pp.1097-1105, 2012.
• R.R. Selvaraju, A. Das, R. Vedantam, M. Cogswell, D. Parikh, and D. Batra, “Grad-cam: Why did you say that? visual explanations from deep networks via gradient-based localization,” CoRR, abs/1610.02391, vol.7, pp.••-••, 2016.
• 前原宗太朗,福井健一,冨田智彦,小野智司,“気象時系列データにおける変化点検知の基礎検討,” 人工知能学会全国大会(第31回),pp.••-••,2017.
• Q.V. Le, “Building high-level features using large scale unsupervised learning,” Acoustics, Speech and Signal Processing (ICASSP), 2013 IEEE International Conference onIEEE, pp.8595-8598 2013.
• P.-J. Kindermans, K.T. Schütt, M. Alber, K.-R. Müller, D. Erhan, B. Kim, and S. Dähne, “Learning how to explain neural networks: Patternnet and patternattribution,” arXiv preprint arXiv:1705.05598, pp.••-••, 2017.

タイトルに関連する用語 (6件)： 畳み込みニューラルネットワーク ,  気象 ,  時系列データ ,  注目 ,  可視化 ,  基礎