文献

J-GLOBAL ID：201902231278228498   整理番号：19A2114041

時系列分類のためのMACDヒストグラムに基づく完全畳込みニューラルネットワーク【JST・京大機械翻訳】

MACD-Histogram-based Fully Convolutional Neural Networks for Classifying Time Series

著者 (2件)： Hashida Shuichi (Graduate School of Information Sciences, Hiroshima City University, Hiroshima, 731-3194, Japan) ,  Tamura Keiichi (Graduate School of Information Sciences, Hiroshima City University, Hiroshima, 731-3194, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CoDIT  ページ： 1049-1054  発行年： 2019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： センサ素子の広範な使用により,時系列データはユビキタスになった。したがって,多くの学術研究者と産業従事者は,時系列のための分析法の開発を行ってきた。特に,時系列分類は時系列解析のための一般的タスクの一つである。時系列分類はクラスラベルを持たない時系列のクラスラベルを予測する。インターネットの時代(IoT)において,時系列分類は時系列解析において最も困難な問題であり,IoTにおける多くの異なる応用領域をカバーするので,時系列分類のための新しいモデルの開発はよく知られたグランドチャレンジである。本論文は,単変量時系列分類のために深い学習技術を採用する時系列分類装置に焦点を合わせた。完全畳込みニューラルネットワーク(FCN)とFCNに基づくハイブリッドモデルは,最も成功した深いニューラルネットワークである。本論文では,移動平均収束発散(MACD)ヒストグラムを用いた新しいFCNベースモデルを提案した。MACDヒストグラムは時系列の局所特徴を捉えることができる。本研究では,提案したモデルの入力がMACDヒストグラムであるMACDヒストグラムを用いた。さらに,入力層表現の表現を強化するために,FCNモデルのための多チャネル入力を提案した。多チャネル入力において,時系列の両値と時系列のMACDヒストグラムをFCNモデルに入力した。実際の時系列ベンチマークデータセットを用いて実験を行い,85の異なるタイプの時系列データセットを持つUCR時系列分類アーカイブである。実験結果は,提案したモデルの分類性能がFCNだけでなくFCN-LSTMより優れていることを示した。Copyright 2019 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】

シソーラス用語： インターネット ,  *ヒストグラム ,  学習 ,  時系列分析 ,  *ニューラルネットワーク ,  分類装置
準シソーラス用語： マルチチャネル ,  局所特徴 ,  ハイブリッドモデル ,  モノのインターネット ,  学術研究 ,  ユビキタス ,  時系列データ ,  センサデバイス ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 時系列 ,  分類 ,  ヒストグラム ,  畳込みニューラルネットワーク