文献

J-GLOBAL ID：201702279551364553   整理番号：17A1399633

逐次確率近似A DCシステムのためのBayes推定に基づく適応型データ選択によるキャリブレーション【Powered by NICT】

A calibration with an adaptive data selection based on Bayes estimation for a successive stochastic approximation ADC system

著者 (3件)： Tatsumi Keiji (Graduate School of Engineering, Osaka University, 2-1 Yamada-Oka, Suita, Osaka, Japan 580-0842) ,  Matsuoka Toshimasa (Graduate School of Engineering, Osaka University, 2-1 Yamada-Oka, Suita, Osaka, Japan 580-0842) ,  Tani Sadahiro (Graduate School of Engineering, Osaka University, 2-1 Yamada-Oka, Suita, Osaka, Japan 580-0842)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IFSA-SCIS  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： 逐次確率近似A DC(SSA ADC)と呼ばれる新しい低電力高精度アナログ-ディジタル変換器(ADC)が最近提案されている,確率的フラッシュA DC(SF ADC)と逐次近似レジスタA DC(SAR ADC)モードからの出力の二種類であった。本論文では,全出力を生成するための二出力のための機械学習に基づくソフトウェアレベルキャリブレーションと符号化を提案した。添加では,実用的な観点から,各学習におけるBayes推定に基づく一様ランダムおよび優先的選択の間のバランスを保つことにより追加データを選択するインクリメンタル学習を提案した。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： 逐次近似 ,  学習 ,  AD変換器 ,  レジスタ ,  *確率近似 ,  機械学習 ,  *Bayes推定 ,  符号化
準シソーラス用語： インクリメンタル学習 ,  高精度 ,  低電力化 ,  *データ選択 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (5件)： 確率近似 ,  DC ,  Bayes推定 ,  データ選択 ,  キャリブレーション