文献

J-GLOBAL ID：201802274182534437   整理番号：18A0382879

太陽電波バースト分類のためのマルチモーダル深い学習【Powered by NICT】

Multimodal deep learning for solar radio burst classification

著者 (5件)： Ma Lin (Huawei Noah’s Ark Lab, Hong Kong, China) ,  Ma Lin (Key Laboratory of Solar Activity, National Astronomical Observatories, Chinese Academy of Sciences, Beijing, China) ,  Chen Zhuo (Key Laboratory of Solar Activity, National Astronomical Observatories, Chinese Academy of Sciences, Beijing, China) ,  Xu Long (Key Laboratory of Solar Activity, National Astronomical Observatories, Chinese Academy of Sciences, Beijing, China) ,  Yan Yihua (Key Laboratory of Solar Activity, National Astronomical Observatories, Chinese Academy of Sciences, Beijing, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 61  ページ： 573-582  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,太陽電波バースト分類のためのマルチモーダル深層学習を提案した。異なる周波数チャネルから獲得された太陽電波スペクトルの関節表現,異なるモダリティとして扱われるを学習するためのマルチモーダル学習ネットワークを構築するための初めての試みである。各モダリティの表現と異なるモダリティ間の相関と相互作用を知るために,構造化された正則化と共にオートエンコーダは各モダリティのモダリティ特異的スパース性および密度を強化学習に使用した。太陽電波スペクトルの結合表現の生成に対する異なるモダリティ間の関係を利用するために採用されている完全接続層。学んだ関節表現に基づいて,太陽電波バースト分類を行った。構築した太陽電波スペクトルデータベース上での検証により,実験結果は,提案したマルチモーダル学習ネットワークは効果的に太陽電波スペクトルの表現を学習し,分類精度を向上させることができることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 強化学習 ,  *バースト ,  *学習 ,  相互作用 ,  ラジオ波スペクトル ,  *太陽電波 ,  *太陽 ,  *多モード ,  正則化 ,  ネットワーク ,  構造形成
準シソーラス用語： 分類精度 ,  スパース性 ,  モダリティ ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチモーダル学習 ,  太陽電波スペクトル ,  分類

分類 (2件)： パターン認識  (JE07000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 太陽電波 ,  バースト ,  分類 ,  マルチモーダル ,  学習