文献

J-GLOBAL ID：201802251549728398   整理番号：18A1693268

環境分野への深層学習応用研究の立ち上げについて

Startup of Deep Learning Application to Environmental Research

著者 (2件)： 中根英昭 (高知工科大 環境理工学群) ,  若槻祐貴 (高知工科大 大学院工学研究科)
資料名： 高知工科大学紀要(Web)
巻： 15  号： 1  ページ： 111-120 (WEB ONLY)  発行年： 2018年07月31日 
JST資料番号： U0749A  ISSN： 2189-1265  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 高知工科大学環境理工学群環境解析研究室(中根研究室)では,2016年度後半に深層学習のための計算機環境を整備し,2017年度当初から,具体的な環境分野のテーマへの応用に取り組み,2017年度中に所期の成果を上げることができた。深層学習による回帰および分類(判別)のための推定モデル作成の対象は以下の通りである。回帰の対象は,早明浦ダムへの流入量,安田川の水位,鏡川の水位,高知の全天日射量である。分類(判別)の対象は,高知における降雨現象の有無,3種のユリ科の花の種類,森林の樹種である。対象は多岐にわたるが,多層パーセプトロン(MLP)と畳み込みニューラルネットワーク(CNN)の2種類の深層学習の手法によって推定モデルの作成を行うことができた。回帰においては,増水期から渇水期に至る全期間の水位やダムへの流入量を,外挿も含めて良好にモデル化できることを示した。ドローン空撮した森林写真から切り出した画像を用いた森林樹種分類に際しては,転移学習によって人間と同等あるいはそれ以上の識別が可能であることを示すことができた。(著者抄録)

シソーラス用語： *環境工学 ,  *機械学習 ,  全天日射 ,  河川 ,  重力ダム ,  モデル ,  水位 ,  降雨 ,  ユリ科 ,  ニューラルネットワーク ,  多層パーセプトロン ,  空中写真 ,  画像処理 ,  *深層学習 ,  早明浦ダム ,  畳込みニューラルネットワーク ,  樹種
準シソーラス用語： 安田川 ,  推定モデル ,  河川水位 ,  鏡川

分類 (2件)： システムプログラミング一般  (JD03010Y) ,  研究開発  (SA01040R)

タイトルに関連する用語 (5件)： 環境 ,  深層学習 ,  応用 ,  研究 ,  立ち上げ