文献

J-GLOBAL ID：201902258062596819   整理番号：19A2402484

動的モード分解による多変量時系列データにおけるコヒーレンスパターンによる学習【JST・京大機械翻訳】

Learning with Coherence Patterns in Multivariate Time-series Data via Dynamic Mode Decomposition

著者 (3件)： Bito Takehito (Department of Communication Engineering, Osaka University) ,  Hiraoka Masashi (Department of Communication Engineering, Osaka University) ,  Kawahara Yoshinobu (Center for Advanced Intelligence Project (AIP), RIKEN)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IJCNN  ページ： 1-8  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： 現実世界における複雑な動力学の理解は,様々な工学および科学分野における基本的問題である。動的モード分解(DMD)は,基礎となるシステムについての明示的な事前知識を必要とせずに,データから非線形動的プロセスの大域的モード記述を得るための顕著な方法として最近注目されている。本論文では,DMDにより抽出された属性間のコヒーレンスパターンを用いた複雑なダイナミクスを含む多変量時系列データのための新しい学習法を提案した。この目的のために,DMDにより計算され,推定されたモード動力学に関する属性間のコヒーレンスパターンを表現する,動的モードによりスパンニングされたGrassmann部分空間で定義されたカーネルを開発した。一連の時系列シーケンスに添付されたラベルにおける情報を組み込むために,DMD手順における教師つき埋め込みステップを採用した。実世界データを用いて提案した方法の経験的性能を示し,研究した。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： *学習 ,  *コヒーレンス
準シソーラス用語： 部分空間 ,  動的プロセス ,  事前知識 ,  *時系列データ ,  *多変量 ,  *モード分解 , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： モード分解 ,  多変量 ,  時系列データ ,  学習