文献

J-GLOBAL ID：202002240377094594   整理番号：20A1999853

非侵入型環境センサデータを用いた屋内占有検出への機械学習アプローチ【JST・京大機械翻訳】

A Machine Learning Approach to Indoor Occupancy Detection Using Non-Intrusive Environmental Sensor Data

著者 (3件)： Zemouri Sofiane (Performance Engineering Lab, University College Dublin, Dublin, Ireland) ,  Gkoufas Yiannis (IBM Research Ireland, IBM, Dublin, Ireland) ,  Murphy John (Performance Engineering Lab, University College Dublin, Dublin, Ireland)
資料名： ACM Proceedings  (ACM Proceedings)
号： BDIOT 2019  ページ： 70-74  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： 長年にわたって,ヒトOccupcy測定が研究および産業コミュニティの両方によって注目の公正なシェアを持ち続けてきた。この長期関心は,モノのインターネット(IoT)の出現のような最近の技術的進歩により支持され,これは,エッジに近いデータの様々な環境ストリームを収集および処理するための安価な代替を提供し,また,有用で意味のある情報を生成するために,リアルタイムでかなりの量の生データを打ち切ることができる機械学習技術を提供する。本論文では,閉鎖事務所空間における人間占有を推論するために,非侵入型環境センサデータ(温度および湿度)に適用される機械学習アルゴリズムの選択の性能を調べた。本研究は,研究者と実務者の両者が,精度,および他のメトリックスに関して,各アルゴリズムの効率と性能に関するより明確なアイデアを得るのに役立つフレームワークとして役立つ。また,それは,オフィス占有検出の文脈において,時系列データハンドリングと準備のウォークスルーを提供する。結果を,問題の専門家知識を必要とする古典的データ解析法に依存する解と比較した。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： アルゴリズム ,  湿度 ,  コミュニティ ,  ヒト ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： 時系列データ ,  実時間 ,  低価格 ,  メトリックス ,  モノのインターネット ,  *センサデータ ,  機械学習技術 ,  生データ , 【Automatic Indexing@JST】

著者キーワード (4件)： モノのインターネット ,  機械学習 ,  室内占有予測 ,  センサデータ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 侵入 ,  環境 ,  センサデータ ,  屋内 ,  機械学習