文献

J-GLOBAL ID：201802212031066759   整理番号：18A0440828

獲得ヒト圧力データの圧縮センシングのための再構成の新しい多層LSTM法【Powered by NICT】

A new multilayer LSTM method of reconstruction for compressed sensing in acquiring human pressure data

著者 (4件)： Han Tao (Engineering Research Center of Digitized Textile & Apparel Technology, Ministry of Education, Donghua University, Shanghai 201620, P. R. China) ,  Hao Kuangrong (Engineering Research Center of Digitized Textile & Apparel Technology, Ministry of Education, Donghua University, Shanghai 201620, P. R. China) ,  Ding Yongsheng (Engineering Research Center of Digitized Textile & Apparel Technology, Ministry of Education, Donghua University, Shanghai 201620, P. R. China) ,  Tang Xuesong (Engineering Research Center of Digitized Textile & Apparel Technology, Ministry of Education, Donghua University, Shanghai 201620, P. R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ASCC  ページ： 2001-2006  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： 深層学習のアイデアに従って,本論文では新しい多層長い短期記憶(LSTM)ネットワーク法,配列モデリングのためのデータ駆動型モデルを設計した。この深層ニューラルネットワーク圧縮センシング(CS)理論における単一測定ベクトル(SMV)の再構成問題を解決した。多層LSTMネットワークの入力としてのCSの測定ベクトル,ネットワークの出力として再構成するデータを示した。人体モデルから得られた圧力データを用いたLSTMネットワークの有効性を調べた。実験結果は,再構成精度のための最先端の方法と比較して,多層LSTM法は,人体の短い測定ベクトルを獲得における回復の精度を効果的に改善できることを示した。Copyright 2018 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： モデル ,  モデリング ,  *再構成 ,  ネットワーク ,  ネットワーク法 ,  ベクトル ,  *多層 ,  *ヒト
準シソーラス用語： 最先端 ,  人体模型 ,  ディープニューラルネットワーク ,  データ駆動 ,  短期記憶 ,  深層学習 ,  *圧縮センシング , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (6件)： 獲得 ,  ヒト ,  圧縮センシング ,  再構成 ,  多層 ,  LSTM