文献
J-GLOBAL ID:202002226422653490   整理番号:20A0058779

適応しきい値量子化によるオンラインスペクトル予測【JST・京大機械翻訳】

Online Spectrum Prediction With Adaptive Threshold Quantization
著者 (5件):
資料名:
巻:ページ: 174325-174334  発行年: 2019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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,歴史的スペクトルを解析することにより,スペクトルの占有率を事前に達成するためのスペクトル推論を検討した。オフラインオンライン協調フレームワークを考案した。特に,ハイパーパラメータはオフラインで達成でき,オンライン予測に使用される。さらに,オンラインスペクトル推論の精度に基づいて,超パラメータを,反復法において特別に設計されたグリッド探索とK倍交差検証法を組み合わせた方法に基づいて,さらに最適化することができた。著者らは,適応閾値量子化支援データ前処理(ATQ-DP)に依存する長い短期メモリ(LSTM)支援スペクトル占有予測法を提示した。特定のために,最初に,捕捉されたスペクトルデータは,それらに課された雑音の影響を少なくするために,適応閾値によって量子化される可能性があり,そこでは,閾値がカーネル密度推定(KDE)法によって得られる。それから,LSTMは量子化データに基づくスペクトル予測を実行するために活性化される。したがって,将来のスペクトル占有は前もって推論できる。さらに,性能評価は,スペクトル推論の精度が,従来の固定閾値量子化支援データ前処理(FTQ-DP)に依存するLSTM支援スペクトル推論のそれより常に良いことを示した。ここで,FTQ-DPを比較目的のために使用した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
信号理論 
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る