文献

J-GLOBAL ID：201702236911900390   整理番号：17A1724519

ニューラル特徴バッグを用いた時系列分類【Powered by NICT】

Time-series classification using neural Bag-of-Features

著者 (6件)： Passalis Nikolaos (Department of Informatics, Aristotle University of Thessaloniki, Thessaloniki, Greece) ,  Tsantekidis Avraam (Department of Informatics, Aristotle University of Thessaloniki, Thessaloniki, Greece) ,  Tefas Anastasios (Department of Informatics, Aristotle University of Thessaloniki, Thessaloniki, Greece) ,  Kanniainen Juho (Laboratory of Industrial and Information Management, Tampere University of Technology, Tampere, Finland) ,  Gabbouj Moncef (Laboratory of Signal Processing, Tampere University of Technology, Tampere, Finland) ,  Iosifidis Alexandros (Laboratory of Signal Processing, Tampere University of Technology, Tampere, Finland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EUSIPCO  ページ： 301-305  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： 時系列データの分類は多くの実世界応用を含む挑戦的な問題,株式市場を予測するための脳波(EEG)測定から医療条件を特定の範囲であった。よく知られた特徴バッグ(BoF)モデルが最近時系列表現に向けて適合させた。本研究では,RBF(動径基底関数)層と蓄積層から成り,BoFモデルのニューラル一般化を時系列から抽出された特徴を受け,徐々にその表現を構築するニューラル層として提案した。提案した方法は,時系列分類のための深層ニューラルネットワークを形成するために,完全に連結した層または特徴変換層のような,他の層または分類器と組み合わせることができる。得られたネットワークはエンドツーエンド微分可能,規則的なバックプロパゲーションを用いて訓練することができた。二時系列データセット,大規模金融データセットを用いて,提案したアプローチは他のベースラインと最先端技術上の分類指標をかなり増加させることができることを実証した。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： *逆伝搬法 ,  ニューラルネットワーク ,  基準線 ,  脳波 ,  金融 ,  ネットワーク ,  動径基底関数 ,  株式市場 ,  エンドツーエンド方式 ,  深層 ,  微分
準シソーラス用語： 最先端技術 ,  特徴変換 ,  時系列データ , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： バッグ ,  時系列 ,  分類