文献

J-GLOBAL ID：201502212208928187   整理番号：15A0877188

モバイル機器用の資源意識分類子の学習:正規化からエネルギー効率へ

Learning Resource-Aware Classifiers for Mobile Devices: From Regularization to Energy Efficiency

著者 (4件)： ONETO Luca (DITEN - Univ. of Genova, Via Opera Pia 11a, I-16145 Genova, ITA) ,  GHIO Alessandro (DITEN - Univ. of Genova, Via Opera Pia 11a, I-16145 Genova, ITA) ,  RIDELLA Sandro (DITEN - Univ. of Genova, Via Opera Pia 11a, I-16145 Genova, ITA) ,  ANGUITA Davide (DIBRIS - Univ. of Genova, Via Opera Pia 13, I-16145 Genova, ITA)
資料名： Neurocomputing  (Neurocomputing)
巻： 169  ページ： 225-235  発行年： 2015年12月02日 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： モバイル機器は多数のサービス及び機能を提供する資源制限付きシステムである。例えばスマートフォンは従来の通信能力に加えて最終ユーザに対して先進機能性及びサービスを実装している。機械学習アルゴリズムはそのような先進機能性の提供を助け得るが,モバイルシステムは例えば制限付きバッテリー容量及び処理能力,そしてそれ故に,この点において単純なパターン認識活動さえ要求が過大になり得るというようなそれらの資源制限付き性質に関連した課題に苦しむ。ここで,筆者らはその実行用に制限付き資源のみしか利用可能ではないという事実を考慮に入れた人間活動認識アルゴリズムを設計するための手法を提案した。特に,筆者らはモデルの選択が良好な一般化能力を有する事を強いるが低い計算複雑性を持つように統計学習理論からの幾つかの先進概念を適用する事によって可能な認識モデルの仮説空間を制限した。それで,学習したモデルをモバイル及び資源制限付き機器上で効果的に実装できる。現世代スマートフォン上で実施した実験はモデル精度及びバッテリー寿命双方の見地における提案アプローチの利益を示した。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *教師つき学習 ,  携帯端末 ,  *エネルギー効率 ,  *計算量 ,  性能評価 ,  認識 ,  パラメタリゼーション
準シソーラス用語： *Rademacher複雑性 ,  モデル選択 ,  モバイル機器 ,  活動認識

分類 (4件)： 通信網  (ND07030A) ,  移動通信  (ND08030H) ,  パターン認識  (JE07000S) ,  統計学  (AB08000H)

タイトルに関連する用語 (7件)： モバイル機器 ,  資源 ,  意識 ,  分類子 ,  学習 ,  正規化 ,  エネルギー効率