文献

J-GLOBAL ID：201802280087463937   整理番号：18A0165191

非構造情報処理とマルチに基づく空間負荷予測 属性深い学習【Powered by NICT】

Spatial load forecasting based on unstructured information processing and multi - Attribute deep learning

著者 (3件)： Runze Ma (College of Electrical Engineering, Zhejiang University Hangzhou, China) ,  Peng Yu (Design Center, State Grid Jiangsu Eco-Tech Research Institute, Nanjing, China) ,  Minxiang Huang (College of Electrical Engineering, Zhejiang University, Hangzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISEEE  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： 非構造情報処理と多属性深さ学習に基づく空間負荷予測法を提案した。非構造属性は負荷密度に大きな影響を持っているが計算に直接投入することができないという問題を解決するために,自然言語処理(NLP)技術はそれらの特性を構築するために使用されている。従来法による高次元属性の特性化の観点から,積層ノイズ除去オートエンコーダ(SDAE)深層学習ネットワークを用いて空間負荷密度を予測した。整流線形ユニット(ReLU)関数は,ネットワークの励起関数として使用されるだけでなく,ネットワーク構造は,勾配消失とオーバーフィッティングを克服するために増加が見られた。事例研究の結果は,空間負荷予測法が有効であり実現可能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： 整流 ,  ネットワーク ,  線形性 ,  雑音低減 ,  事例研究 ,  ネットワーク構造 ,  自然言語処理 ,  *負荷予測 ,  キャラクタリゼーション ,  高次元 ,  *情報処理
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (5件)： 情報処理 ,  マルチ ,  負荷予測 ,  属性 ,  学習