文献

J-GLOBAL ID：201702252259989077   整理番号：17A1506908

植物水ストレスを予測するためのマルチモーダルスライディングウィンドウベースサポートベクトル回帰【Powered by NICT】

Multi-modal sliding window-based support vector regression for predicting plant water stress

著者 (4件)： Kaneda Yukimasa (Graduate School of Integrated Science and Technology, Shizuoka University, 3-5-1 Johoku, Naka-ku, Hamamatsu, Shizuoka 432-8011, Japan) ,  Shibata Shun (Graduate School of Integrated Science and Technology, Shizuoka University, 3-5-1 Johoku, Naka-ku, Hamamatsu, Shizuoka 432-8011, Japan) ,  Mineno Hiroshi (College of Informatics, Academic Institute, Shizuoka University, 3-5-1 Johoku, Naka-ku, Hamamatsu, Shizuoka 432-8011, Japan) ,  Mineno Hiroshi (JST, PRESTO, 4-1-8 Honcho, Kawaguchi, Saitama, 332-0012, Japan)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 134  ページ： 135-148  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 情報通信技術(ICT)は,農民の老化とheirsの不足のために生じる問題を解決するために農業の分野で必要である。特に,環境センサとカメラは容易なデータ収集のための既存の農業支援システムに広く用いられている。これらシステムの伝統的な目的であるナイーブ環境のモニタリングと制御が,高度栽培の伝搬は,学習とデータマイニング技術を加工するためにデータを適用することが期待されている。,複雑な水ストレスの正確な予測のための新しいマルチモーダルスライディングウィンドウベースサポートベクトル回帰(マルチモーダル南西SVR)法,植物状態は,二つのデータタイプ,すなわち環境と植物画像データからを提案した。提案した方法は,SW SVRのためのマルチモーダル特徴抽出器として二つの方法,南西SVRと深層ニューラルネットワーク(DNN)を含んでいる。著者らが以前に提案した南西部,SVRは時間依存特性を持つデータのための適切な学習法である,植物状態である。さらに,DNNは水分ストレスを予測するための容易に本質的な特徴を抽出するために可能にするために,隣接したオプティカルフロー(ROAF)により検出された顕著な移動物体,新しい画像特徴を提案した。従来の回帰モデルと特徴と比較して,ROAF提案したマルチモーダル南西SVRはより正確で安定な水ストレス予測を実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： カメラ ,  *予測 ,  ニューラルネットワーク ,  移動体 ,  データ収集 ,  *水分ストレス ,  時間依存性 ,  *多モード ,  農業 ,  画像特性 ,  特徴抽出 ,  学習 ,  センサ ,  回帰モデル
準シソーラス用語： *サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： 水分ストレス ,  画像処理 ,  ディープニューラルネットワーク ,  サポートベクトル回帰 ,  アンサンブル学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 植物 ,  水ストレス ,  予測 ,  マルチモーダル ,  スライディングウィンドウ ,  サポートベクトル回帰