文献

J-GLOBAL ID：201802251041989933   整理番号：18A0165293

室内局在解をfingerprintingへの深い学習アプローチ【Powered by NICT】

A deep learning approach to fingerprinting indoor localization solutions

著者 (3件)： Xiao Linchen (RWTH Aachen University, Aachen, Germany) ,  Behboodi Arash (RWTH Aachen University, Aachen, Germany) ,  Mathar Rudolf (RWTH Aachen University, Aachen, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITNAC  ページ： 1-7  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： フィンガープリント局在解(FPS)は,それらの良好な性能と最小環境情報ニーズに起因した大きな人気を獲得している。データ駆動アプローチとみなすと,多くの近代的なデータ分析は,その性能を改善するために利用できる。本論文では,測定したフィンガープリントから直接推定位置を出力する,すなわち分類のための回帰とサポートベクトルマシン(SVM)のための深い学習アーキテクチャ,トウ学習アルゴリズムを提案した。提案ニューラルネットワークの設計問題は,訓練アルゴリズム,正則化とハイパーパラメータ選択を含めて議論した。データ増強法は,測定を拡張するために利用できるかを検討した。深い学習アプローチは,予め訓練されたモデルを用いて有意にデータ収集時間を節約するために用いることができる。さらに実行時複雑性は著しく減少した。数値解析がいくつかの場合で,元の訓練データベースのわずか10%である事前モデルに許容できる性能を得るに十分であることを示した。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： データベース ,  ニューラルネットワーク ,  学習アルゴリズム ,  指紋 ,  サポートベクトルマシン ,  正則化 ,  データ解析 ,  データ収集 ,  情報需要 ,  *学習 ,  数値解析 ,  計算機アーキテクチャ
準シソーラス用語： 複雑性 ,  ハイパーパラメータ ,  データ駆動 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 室内 ,  解 ,  学習