文献

J-GLOBAL ID：201702241328381700   整理番号：17A1035103

異種センサデータの深い融合【Powered by NICT】

Deep fusion of heterogeneous sensor data

著者 (4件)： Liu Zuozhu (Singapore University of Technology and Design, Singapore) ,  Zhang Wenyu (Cornell University, United States of America) ,  Quek Tony Q.S. (Singapore University of Technology and Design, Singapore) ,  Lin Shaowei (Singapore University of Technology and Design, Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 5965-5969  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： 異種センサデータ融合は,近年大きな関心を集めている挑戦的な分野である。本論文では,深い多モード符号器(DME)と呼ばれるニューラルネットワークに基づくマルチモーダルデータ融合フレームワークを提案した。この新しい目的関数により,マルチモーダルセンサデータの両方内およびモード間相関は欠測値を回復するためのより有効であり得る,学習共有表現は予測タスクのための直接使用できる。実世界センサデータを用いた実験では,DMEは欠測データの補完と新しい方法予測のための顕著な能力を示した。kNNおよびスパースPCAのような伝統的なアルゴリズムと比較して,DMEがより積極的に行われ,ロバスト性,大規模データセットに拡張可能である。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： 透視図法 ,  符号器 ,  アルゴリズム ,  ニューラルネットワーク ,  学習 ,  ロバスト性 ,  *データ融合 ,  予測 ,  多モード ,  目的関数
準シソーラス用語： 大規模データセット ,  欠測値 ,  マルチセンサデータ融合 ,  *センサデータ , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： センサデータ ,  融合