文献

J-GLOBAL ID：202002241486708400   整理番号：20A1943720

無線センサネットワークにおけるインフラソニック信号のデータ解析のための質問ベース機械学習モデル【JST・京大機械翻訳】

Query-Based Machine Learning Model for Data Analysis of Infrasonic Signals in Wireless Sensor Networks

著者 (4件)： Chang Ray-I (Dept of Engineering Science and Ocean Engineering, National Taiwan University, Taipei, Taiwan, ROC) ,  Huang Chien-Chang (Chunghwa Telecom Co., Ltd., Taipei, Taiwan, ROC) ,  Lai Liang-Bin (Chunghwa Telecom Co., Ltd., Taipei, Taiwan, ROC) ,  Lee Chia-Yun (Dept of Engineering Science and Ocean Engineering, National Taiwan University, Taipei, Taiwan, ROC)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICDSP 2018  ページ： 114-118  発行年： 2018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： サブソニック信号が物体を通して,長距離で伝搬するので,超低周波センサを無線センサネットワークで広く適用して,大面積の環境事象をモニタする。信号条件は通常複雑であり,大きな面積をモニタリングしながら様々な特性を持っている。時間と周波数領域における異なる特徴を抽出し,考察した。Bigデータは計算複雑度を増加させ,特徴の誤った選択は事象予測の精度を低下させる。この問題を克服するために,機械学習におけるスマートエッジコンピューティングのための適切な特徴を選択するために,クエリベースの学習法を適用した。実験結果は,提案方法が以前の特徴選択法と比較して良い性能を提供することを示した。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： *学習 ,  *学習モデル ,  VLF【周波数】 ,  特徴選択 ,  計算量 ,  データ解析 ,  センサ ,  *機械学習 ,  *センサネットワーク ,  周波数領域
準シソーラス用語： *無線センサネットワーク ,  クエリー ,  大面積 ,  エッジコンピューティング , 【Automatic Indexing@JST】

著者キーワード (5件)： 信号処理システム ,  データ解析 ,  特徴選択 ,  機械学習 ,  センサネットワーク

分類 (5件)： ネットワーク法  (KA03040X) ,  人工知能  (JE08000Z) ,  変復調方式  (ND07020P) ,  データ保護  (JD01020V) ,  土の構造と物理的・化学的性質  (RA03030T)

タイトルに関連する用語 (6件)： 無線センサネットワーク ,  インフラ ,  データ解析 ,  質問 ,  ベース機械 ,  学習モデル