文献

J-GLOBAL ID：201702231836606221   整理番号：17A1398308

LSTMによる太陽電波スペクトル分類【Powered by NICT】

Solar radio spectrum classification with LSTM

著者 (5件)： Xuexin Yu (Key Laboratory of Solar Activity, National Astronomical Observatories, Chinese Academy of Sciences, Beijing, China) ,  Xu Long (Key Laboratory of Solar Activity, National Astronomical Observatories, Chinese Academy of Sciences, Beijing, China) ,  Ma Lin (Tencent AI Lab, Shenzhen, China) ,  Chen Zhuo (School of Computer Science and Engineering, Nanyang Technological University, Singapore) ,  Yan Yihua (Key Laboratory of Solar Activity, National Astronomical Observatories, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMEW  ページ： 519-524  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： 太陽電波スペクトルの分類のための長い短期記憶(LSTM)を利用する最初の試みを行った。太陽電波スペクトルは多重周波数チャネルと短時間で太陽電波放射を表すグレースケール画像である。スペクトルの垂直および水平寸法は周波数チャネルと時間にそれぞれ対応する。本質的に,スペクトルのカラム,太陽電波放射のゆっくり変化するプロセスを示す間に存在する時間依存性。スペクトルは時間情報を失う一般的な画像の代わりに時系列として扱うことができる。時系列処理,例えば,自然言語認識のためのLSTMの大きな成功に触発されて,時系列としてスペクトルを処理するLSTMによるその分類に有用であろうと考えられる合理的である。LSTMは時系列として処理されたスペクトル内の逐次関係と相互作用を探索するために採用した。そのようなものとして,LSTMを逐次特性を学習し,分類のための太陽電波スペクトルの表現を生成する。実験結果はLSTMは太陽電波スペクトルの特性をよく捕らえることができ,その結果,より優れた分類精度を達成することを示した。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： *太陽 ,  自然言語 ,  時間依存性 ,  *ラジオ波スペクトル ,  相互作用 ,  電磁波放射 ,  *太陽電波 ,  *スペクトル ,  画像 ,  チャネル ,  周波数
準シソーラス用語： 分類精度 ,  時間情報 ,  グレースケール画像 ,  短期記憶 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： LSTM ,  太陽電波