文献

J-GLOBAL ID：202002233885770640   整理番号：20A1508201

スマートホーム環境における深層学習モデルを用いた異常検出アプローチ【JST・京大機械翻訳】

Abnormality Detection Approach using Deep Learning Models in Smart Home Environments

著者 (5件)： Sukor A. S. Abdull (School of Mechatronic Engineering, University Malaysia Perlis, Arau, Perlis, Malaysia) ,  Zakaria A. (School of Mechatronic Engineering, University Malaysia Perlis, Arau, Perlis, Malaysia) ,  Rahim N. Abdul (School of Mechatronic Engineering, University Malaysia Perlis, Arau, Perlis, Malaysia) ,  Kamarudin L. M. (School of Computer Engineering, University Malaysia Perlis, Arau, Perlis, Malaysia) ,  Nishizaki H. (Graduate School of Integrated Research, University of Yamanashi, Kofu, Japan)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICCBN 2019  ページ： 22-27  発行年： 2019年 
JST資料番号： D0698C  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： 高齢者集団の上昇数は,多くの国で共通の懸念となっている。解決策の1つとして,スマートホームが,彼ら自身の家庭で独立して生活するのを助けるために開発された。しかし,人間の状況のモニタリングにおける正確な解釈はまだ限られている。本論文では,スマートホーム住民の行動をモニタし,日常ルーチンに関する異常を同定できる異常検出手法を提案した。特に,本研究は,パターン認識コミュニティで一般的に使用される2つの深層学習モデルの使用を研究し,それは,マルチライヤーパーセプトロン(MLP)とリカレントニューラルネットワーク(RNN)として知られている。学習されたモデルは,正常と異常状況の間を分類するために使用され,それらの性能は,公的に利用可能なスマートホームデータセットを使用して比較された。実験結果は,MLPが顕著な性能を持ち,精度の点でRNNより優れていることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  *ニューラルネットワーク ,  コミュニティ ,  住民
準シソーラス用語： リカレントニューラルネットワーク ,  異常検出 ,  *スマートホーム ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： スマートホーム ,  異常検出 ,  深層学習 ,  ニューラルネットワーク ,  パターン認識

分類 (3件)： 計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： スマートホーム ,  環境 ,  深層学習 ,  モデル ,  異常検出