文献

J-GLOBAL ID：201702250116274799   整理番号：17A0967938

コピュラ過程を介したセンサネットワークにおけるマルチモーダルデータ融合【Powered by NICT】

Multimodal Data Fusion in Sensor Networks via Copula Processes

著者 (4件)： Liu Jingting ,  Nevat Ido ,  Zhang Pengfei ,  Peters Gareth W.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WCNC  ページ： 1-6  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： 多重物理現象の場の再構成のための効率的なデータ融合アルゴリズム,複雑な依存性挙動と各複数のモダリティを示すを開発した。特に,多出力Gauss過程としてモデル化した複数の潜在プロセス新しい空間モデルを設計した。は空間で規定された共分散関数とモニター空間過程の異なるモダリティの間に線形依存性構造をコードしていた。異なるデータ様式を説明するために,コピュラ依存性構造[1]を経由した各プロセス間の空間依存性をモデル化し,このようにして物理的現象の各々の周辺分布やプロセス(おそらく異なる)を選択すること可能にした。場再構成問題を定式化し,難治性予測事後分布を近似するための低複雑度のアルゴリズムを開発した。著者らのモデルは予測meansquared誤差(MSE)の観点から独立して異なる物理現象を扱うモデルの性能を著しく上回る事を示した。これはマルチモーダルデータ融合のための著者らのモデルを用いるへの動機づけを提供した。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： *データ融合 ,  空間依存性 ,  Gauss過程 ,  *センサネットワーク ,  モデル ,  再構成 ,  予測 ,  モデリング ,  *多モード ,  動機づけ ,  データフォーマット ,  アルゴリズム
準シソーラス用語： 事後分布 ,  モダリティ ,  *コピュラ , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： コピュラ ,  過程 ,  センサネットワーク ,  マルチモーダル ,  データ融合