文献

J-GLOBAL ID：201702221452024132   整理番号：17A1394147

欠損標識データの条件下での深い学習アルゴリズムによる同定精度を向上させるmothed【Powered by NICT】

A mothed of improving identification accuracy via deep learning algorithm under condition of deficient labeled data

著者 (9件)： Wang Jian-Guo (School of Mechatronical Engineering and Automation, Shanghai University, Shanghai Key Lab of Power Station Automation Technology, Shanghai, 200072, China) ,  Cao Zhi-Duo (School of Mechatronical Engineering and Automation, Shanghai University, Shanghai Key Lab of Power Station Automation Technology, Shanghai, 200072, China) ,  Yang Bang-Hua (School of Mechatronical Engineering and Automation, Shanghai University, Shanghai Key Lab of Power Station Automation Technology, Shanghai, 200072, China) ,  Ma Shi-Wei (School of Mechatronical Engineering and Automation, Shanghai University, Shanghai Key Lab of Power Station Automation Technology, Shanghai, 200072, China) ,  Fei Min-Rui (School of Mechatronical Engineering and Automation, Shanghai University, Shanghai Key Lab of Power Station Automation Technology, Shanghai, 200072, China) ,  Wang Hao (School of Mechatronical Engineering and Automation, Shanghai University, Shanghai Key Lab of Power Station Automation Technology, Shanghai, 200072, China) ,  Yao Yuan (Department of Chemical Engineering, National Tsing-Hua University, Hsin-Chu, 30013) ,  Chen Tao (Department of Chemical and Process Engineering, University of Surrey, Guildford GU2 7XH, United Kingdom) ,  Wang Xiao-Fei (Shanghai Zhenhua Heavy Industries Company Limited, Shanghai 200125, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCC  ページ： 2281-2286  発行年： 2017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： 工業プロセスでは,品質指標,効率指数と生成物成分の濃度のようないくつかの重要な変数が困難であったり技術の限界のため,直接に測定することは不可能である。この現象は少数のラベル付きデータと多くのラベル無しデータが得られた。制御された自己回帰(CAR)モデルのための伝統的な同定法は,通常,ラベル無し訓練データを扱うことができない。結果として,これらの伝統的な同定法は貧弱な同定精度を受ける可能性がある,あるいは完全に働くことができない。上記の問題を解決するために,本論文では,深い学習(DL)に基づく新しい同定法を提案した。,CARモデルは,自己回帰部分の欠如の問題を解く有限インパルス応答(FIR)モデルに変換される第二に,深い学習のオートエンコーダはラベル無しデータの完全利用はモデルをpretrainする第三に,少量のラベルデータの微調整に使用されている。半教師つき学習法として,深層学習は,伝統的な教師つき学習法よりもラベル無しデータからより多くの情報を抽出できる。結果は,提案した方法は,BPニューラルネットワークよりも高い同定精度を得ることができることを示した。Copyright 2017 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： *学習 ,  モデル ,  *学習アルゴリズム ,  教師つき学習
準シソーラス用語： 逆伝播ニューラルネットワーク ,  深層学習 ,  半教師つき学習 ,  微調整 ,  有限インパルス応答 ,  訓練データ ,  自己回帰 ,  品質指標 ,  工業プロセス , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 欠損 ,  標識 ,  学習アルゴリズム ,  同定