文献

J-GLOBAL ID：202002218322777242   整理番号：20A2277475

畳込みニューラルネットワークに基づく時系列のための新しい類似性測定とクラスタリングフレームワーク【JST・京大機械翻訳】

A Novel Similarity Measurement and Clustering Framework for Time Series Based on Convolution Neural Networks

著者 (6件)： Ding Xin (Engineering Research Center of Digitized Textile and Apparel Technology, Ministry of Education, College of Information Sciences and Technology, Donghua University, Shanghai, China) ,  Hao Kuangrong (Engineering Research Center of Digitized Textile and Apparel Technology, Ministry of Education, College of Information Sciences and Technology, Donghua University, Shanghai, China) ,  Cai Xin (Engineering Research Center of Digitized Textile and Apparel Technology, Ministry of Education, College of Information Sciences and Technology, Donghua University, Shanghai, China) ,  Tang Xue-Song (Engineering Research Center of Digitized Textile and Apparel Technology, Ministry of Education, College of Information Sciences and Technology, Donghua University, Shanghai, China) ,  Chen Lei (Engineering Research Center of Digitized Textile and Apparel Technology, Ministry of Education, College of Information Sciences and Technology, Donghua University, Shanghai, China) ,  Zhang Haichao (Engineering Research Center of Digitized Textile and Apparel Technology, Ministry of Education, College of Information Sciences and Technology, Donghua University, Shanghai, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 173158-173168  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 近年,機械学習の開発により,特に深層学習の上昇後に,時系列クラスタリングがクラウドコンピューティングとビッグデータにおいて有用な情報を提供することが証明されてきた。しかし,多くの現代のクラスタリングアルゴリズムは時系列の複雑な特徴をマイニングするのが困難であり,それは更なる解析にとって重要である。畳込みニューラルネットワークは強力な特徴抽出能力を提供し,分類タスクにおいて優れた性能を持つが,クラスタリングに適用するのは難しい。したがって,畳込みニューラルネットワークに基づく類似性測定法を提案した。このアルゴリズムは,畳み込みニューラルネットワークが,時系列の類似性に同じ方向における畳み込みニューラルネットワークの出力変化の数を変えるので,畳み込みニューラルネットワークは,クラスタリングプロセスにおけるラベルなしデータ特徴をマイニングできる。特に,ラベルを作成するための少量の高類似性データを優先的に収集することによって,畳込みニューラルネットワークに基づく分類アルゴリズムを使用して,クラスタ化を支援できる。提案したアルゴリズムの有効性をUCR時系列データセットに関する広範囲な実験によって証明して,実験結果は他の主要な方法より優れた性能を示した。深いネットワークに基づく他のクラスタリングアルゴリズムと比較して,提案したアルゴリズムは中間変数を出力して,視覚的にアルゴリズムの原理を説明した。金融ストック連鎖解析の適用は投資意思決定のための補助機構を提供する。Copyright 2020 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： アルゴリズム ,  視覚 ,  意思決定 ,  投資 ,  *ネットワーク ,  特徴抽出 ,  金融 ,  *クラスタ化 ,  在庫量 ,  機械学習
準シソーラス用語： クラウドコンピューティング ,  クラスタリングアルゴリズム ,  ビッグデータ ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  時系列 ,  類似性測定