文献

J-GLOBAL ID：202002213015383128   整理番号：20A0381305

iot,ビッグデータおよび畳込み深神経回路網に基づく洪水災害システムの検出【JST・京大機械翻訳】

Detection of flood disaster system based on IoT, big data and convolutional deep neural network

著者 (8件)： Anbarasan M. (Sri Sairam Institute of Technology, India) ,  Muthu BalaAnand (V.R.S. College of Engineering & Technology, India) ,  Sivaparthipan C.B. (SNS College of Technology, India) ,  Sundarasekar Revathi (Anna University, India) ,  Kadry Seifedine (Beirut Arab University, Lebanon) ,  Krishnamoorthy Sujatha (Wenzhou Kean University, China) ,  Samuel R. Dinesh Jackson (Vellore Institute of Technology University, India) ,  Dasel A. Antony (School of Mechanical Engineering (SMEC), VIT, India)
資料名： Computer Communications (Amsterdam)  (Computer Communications (Amsterdam))
巻： 150  ページ： 150-157  発行年： 2020年 
JST資料番号： D0443B  ISSN： 0140-3664  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自然災害は,自然リスクと脆弱性の混合物として定義することができた。各々の年,自然および人間による災害は,巨大な死亡ロールに加えて,構造上の損傷,歪み,収入損失,損傷をもたらす。地球周辺の研究者は,洪水に基づく予測システムに関連する結果を予測するために,Bigデータ(BD)を集め,保存し,分析するためのユニークな解決策を見出すことを試みている。本論文は,このような困難を克服するために,IoT,BD,および畳込み深いニューラルネットワーク(CDNN)に基づく洪水災害の検出のためのアイデアと方法を提案した。最初に,入力データを洪水BDから得た。次に,HDFSマップを用いることにより,反復データを削減した。反復データの除去後に,データを,欠落値の影響と正規化関数を用いて前処理した。次に,前処理データに集中して,属性法の組合せを用いてルールを生成した。最後の段階では,生成されたルールをCDNN分類器への入力として提供し,それらを洪水の発生に対する機会として分類し,b)洪水の発生に対する機会を与えない。提案したCDNN法から得られた結果は,感度,特異性,正確さ,精度,RecallおよびFスコアのようなパラメータを比較した。さらに,結果が人工ニューラルネットワーク(ANN)と深層学習ニューラルネットワーク(DNN)のような他の既存のアルゴリズムと比較されるとき,提案したシステムは他の方法より非常に正確な結果である。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *水害 ,  アルゴリズム ,  地球 ,  *神経回路網 ,  前処理 ,  自然災害 ,  正規化 ,  *畳込み ,  ニューラルネットワーク ,  死 ,  *洪水
準シソーラス用語： 深層学習 ,  入力データ ,  モノのインターネット ,  *ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： Hadoop分散ファイルシステム(HDFS) ,  畳込みディープニューラルネットワーク(CDNN) ,  正規化 ,  ルール生成 ,  欠測値補完

分類 (2件)： 電話・データ通信・交換一般  (ND11010T) ,  計算機網  (JC03000K)

タイトルに関連する用語 (5件)： IoT ,  ビッグデータ ,  畳込み ,  神経回路網 ,  洪水災害