抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,高エンドセンサで達成されたものにより,高い認識精度を得るために,低エンドセンサを計算知能と統合する,深い学習を可能にする生成センシングフレームワークを紹介した。提案された生成センシングフレームワークは,達成された分類精度の観点から,低エンド,低品質センサデータを高品質センサデータに変換することを目的としている。低い端部データは,同じモダリティのより高い品質データに変換することができるか,または別のモダリティのデータに変換することができた。画像生成のための既存の方法と異なり,提案したフレームワークは,類似性測度よりもむしろ認識精度を最大化するための識別モデルとターゲットに基づいている。これは,深いニューラルネットワーク(DNN)における選択的特徴再生の導入を通して達成される。提案した生成センシングは,基本的に低品質センサデータをロバストな知覚のための高品質情報に変換する。結果を提示して,提案したフレームワークの性能を例示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】