文献

J-GLOBAL ID：201902282899659025   整理番号：19A2339145

深層学習法を用いた分散音響センシングデータの効率的処理【JST・京大機械翻訳】

Efficient Processing of Distributed Acoustic Sensing Data Using a Deep Learning Approach

著者 (3件)： Shiloh Lihi (Faculty of Electrical Engineering, Tel-Aviv University, Tel Aviv, Israel) ,  Eyal Avishay (Faculty of Electrical Engineering, Tel-Aviv University, Tel Aviv, Israel) ,  Giryes Raja (Faculty of Electrical Engineering, Tel-Aviv University, Tel Aviv, Israel)
資料名： Journal of Lightwave Technology  (Journal of Lightwave Technology)
巻： 37  号： 18  ページ： 4755-4762  発行年： 2019年 
JST資料番号： H0922A  ISSN： 0733-8724  CODEN： JLTEDG  資料種別： 逐次刊行物 (A)
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： 光ファイバ分散音響センシング(DAS)データの自動処理は多くの応用において非常に望まれている。特に,関心のある事象の検出とそれらの分類のための効率的アルゴリズムは最も重要である。古典的な機械学習アルゴリズムは,抽出されるべき手による特徴を必要とするので問題があり,他のサイトや他のDASシステムへのそれらの適応は困難である。対照的に,人工ニューラルネットワーク(ANN)は,訓練段階において関連する特徴と特徴を抽出する方法によって学習する。しかし,訓練フェーズは,タグ付きイベント(列車セット)の大規模データベースの生成を必要とする。本論文では,DAS ANNsのための列車集合を生成するための新しい方法とその実験的試験について述べた。この方法は,生成的な敵(GAN)方法論に基づいている。GANの使用は,DASシステムの計算機シミュレーションから列車セットの効率的な生成を容易にした。次に,列車セットを用いてANNを訓練し,5~20kmのセンシングファイバから実験データを処理した。シミュレーションデータまたは実験データのみにより訓練されたANNに関して,性能の著しい改善が得られた。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： 計算機シミュレーション ,  *音響 ,  位相 ,  ニューラルネットワーク ,  シミュレーション ,  学習アルゴリズム
準シソーラス用語： 大規模データベース ,  効率的アルゴリズム ,  自動処理 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 光通信方式・機器  (ND10000B)

タイトルに関連する用語 (3件)： 深層学習 ,  音響 ,  センシング