文献

J-GLOBAL ID：201702235569788627   整理番号：17A1730064

睡眠段階検出における長い短期記憶のための深信念ネットワークの量子化【Powered by NICT】

A quantization of deep belief networks for long short-term memory in sleep stage detection

著者 (4件)： Yulita Intan Nurma (Faculty of Mathematics and Natural Science, Universitas Padjadjaran, Sumedang, Indonesia) ,  Purwani Sri (Faculty of Mathematics and Natural Science, Universitas Padjadjaran, Sumedang, Indonesia) ,  Rosadi Rudi (Faculty of Mathematics and Natural Science, Universitas Padjadjaran, Sumedang, Indonesia) ,  Awangga Roly Maulana (Applied Bachelor Program of Informatics Engineering, Politeknik Pos Indonesia, Bandung, Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICAICTA  ページ： 1-5  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： 研究は長い短期記憶(LSTM)からの入力のための量子化,qLSTMと呼ばれる深い信念ネットワーク(DBN)の使用を提案した。システムは組合せを評価するために設定された睡眠時無呼吸データを用いて試験した。データセットの標的は睡眠段階分類である。特に,LSTMにおける配列データの長さのいくつかの変化を評価した。結果は長さが25である75.22%のF測度と最適条件に達するという結果を得た。これらの結果はまた,非配列分類器すなわちナイーブベイズ,Bayesianネットワーク,バギング,および多層パーセプトロンと比較した。使用した四種類の非配列分類器の全ては,わずか64.20%のF測度とバギングを除いて60%以下のF測度を達成した。一方,研究はまた,qLSTMおよびDBN HMM(隠れMarkovモデル)を比較したがqLSTMがDBN HMMよりも精度とF測定の高かった。DBNとLSTM量子化の組合せを用いて,非配列分類器およびDBN HMMよりも高い性能を持つことを結論した。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： 隠れMarkovモデル ,  測度 ,  最適条件 ,  多層パーセプトロン ,  *量子化
準シソーラス用語： Naive Bayes ,  *信念ネットワーク ,  *短期記憶 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 睡眠段階 ,  短期記憶 ,  信念ネットワーク ,  量子化