文献

J-GLOBAL ID：201602270789778033   整理番号：16A0805295

リカレントニューラルネットワークを用いた運転者の混乱状態検出【Powered by NICT】

Driver confusion status detection using recurrent neural networks

著者 (8件)： Hori Chiori (Mitsubishi Electric Research Laboratories, Mitsubishi Electric Corporation) ,  Watanabe Shinji (Mitsubishi Electric Research Laboratories, Mitsubishi Electric Corporation) ,  Hori Takaaki (Mitsubishi Electric Research Laboratories, Mitsubishi Electric Corporation) ,  Harsham Bret A. (Mitsubishi Electric Research Laboratories, Mitsubishi Electric Corporation) ,  Hershey JohnR. (Mitsubishi Electric Research Laboratories, Mitsubishi Electric Corporation) ,  Koji Yusuke (Information Technology R&D Center) ,  Fujii Yoichi (Information Technology R&D Center) ,  Furumoto Yuki (Automotive Electronics Development Center)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICME  ページ： 1-6  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,マルチモーダルセンサデータ上で訓練された分類器を用いた運転者の混乱レベルを推定するための方法を提示した。運転者混乱状態検出器を用いて,はさらなる検討が必要である場合カーナビゲーションシステムは積極的に運転者を支援することができる。データのコーパスは,ナビゲーションシステムと多様なセンサを装備した車を用いた交通における路上運転中に収集された。データは運転者の混乱状態と運転者の挙動と交通条件を表す複数の特徴量による人手アノテーション付き。データ:ロジスティック回帰,フィードフォワードニューラルネットワーク,リカレントニューラルネットワーク,および長い短期記憶(LSTM)に基づくリカレントニューラルネットワークから訓練した分類器の異なるタイプを比較した。精度はFmaxと同様に精度/リコールを用いて評価した。LSTMは他のモデルより優れていることを見出した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アノテーション ,  *カオス ,  コーパス ,  センサ ,  検出器
準シソーラス用語： 短期記憶 ,  フィードフォワードニューラルネットワーク ,  ロジスティック回帰分析 ,  特徴量 ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： リカレントニューラルネットワーク ,  混乱状態