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,大規模における局所挙動を研究した。各項目が実体ID,タイムスタンプ,と活性に関するメタデータを含むネットワークログを用いた。時間と行動の空間的関係の両方は,リカレントニューラルネットワーク(RNN)と畳込みニューラルネットワーク(CNN)を深層学習アーキテクチャを検討した。CNNにおける空間学習のための適切な行動データにするために,著者らは局所計量を形成し,画像の画素のような均一にそれらをいくつかの還元段階を提案した。多層パーセプトロン(MLP)ネットワークと比較した場合実験結果は,時間と空間の両方が得られることを示す。空間的に接続された畳込みネットワーク(SCCN)と呼ばれる新しい学習フレームワークは,局所計量を予測するより効率的に紹介した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】