文献

J-GLOBAL ID：201702253602809387   整理番号：17A1920693

実時間決定論的制御のための再発性深部信念ネットワークから抽出された知識【Powered by NICT】

Knowledge extracted from recurrent deep belief network for real time deterministic control

著者 (2件)： Kamada Shin (Graduate School of Information Sciences, Hiroshima City University, 3-4-1, Ozuka-Higashi, Asa-Minami-ku, Hiroshima, 731-3194, Japan) ,  Ichimura Takumi (Faculty of Management and Information Systems, Prefectural University of Hiroshima, 1-1-71, Ujina-Higashi, Minami-ku, Hiroshima, 734-8559, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SMC  ページ： 825-830  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： 最近,ソフトウェアだけでなくハードウェアを含む深い学習に市場は急速に進展している。ビッグデータはIoTデバイス収集されていると産業界は,それらの製造プロセスを改善するために,それらを解析した。深層学習は,入力パターンの複雑な特徴を表すための階層的ネットワークアーキテクチャを持つ。深層学習は分類,予測等の高い能力を示すことができるが,GPUデバイス上での実装が必要である。深層学習とGPUデバイスを用いた高コストによる高精度の間のトレードオフを満たす可能性がある。高い分類能力を用いて訓練された深い学習からの知識抽出を成功できた。事前訓練された深いネットワークの高速推論を実現することができるという知見は,ネットワークシグナルフロー与えられた入力データからのIF-THENルールとして抽出した。時系列データセットのためのベンチマーク試験を用いたいくつかの実験結果は,計算速度に関連する提案手法の有効性を示した。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： ネットワークアーキテクチャ ,  ソフトウェア ,  ハードウェア ,  計算機処理速度 ,  *ネットワーク ,  予測 ,  生産工程
準シソーラス用語： ベンチマークテスト ,  時系列データ ,  知識抽出 ,  高精度 ,  深層学習 ,  モノのインターネット ,  ビッグデータ ,  *信念ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： データベースシステム  (JD03030U)

タイトルに関連する用語 (5件)： 実時間 ,  再発 ,  深部 ,  信念ネットワーク ,  知識