文献

J-GLOBAL ID：202002245386737538   整理番号：20A1796683

深層biLSTMアンサンブルによる飲料水品質の異常検出【JST・京大機械翻訳】

Anomaly detection for drinking water quality via deep biLSTM ensemble

著者 (4件)： Chen Xingguo (Nanjing University, Nanjing, Jiangsu Province, China) ,  Feng Fan (Nanjing University, Nanjing, Jiangsu Province, China) ,  Wu Jikai (Nanjing University, Nanjing, Jiangsu Province, China) ,  Liu Wenyu (Nanjing University, Nanjing, Jiangsu Province, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： GECCO ’18  ページ： 3-4  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： 本論文では,深層BiLSTMアンサンブル法を提案し,飲料水水質の異常を検出した。最初に,畳込みニューラルネットワーク(CNN)を,水質の生データを処理するために,特徴抽出器として利用した。第二に,双方向性Long Short Termメモリ(BiLSTM)を用いて時系列予測問題を処理した。次に,割引因子によって重み付けされたt-時間ステップ予測の線形結合を利用して,事象の最終出力をアンサンブルした。最後に,Adam最適化と組み合わせたコスト感受性学習を適用して,イベントラベルの不均衡特性に従ってモデルを学習した。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： 記憶装置 ,  最適化 ,  *学習 ,  水質 ,  特徴抽出 ,  感受性 ,  深層
準シソーラス用語： 生データ ,  畳込みニューラルネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (3件)： 双方向LSTM ,  畳込みニューラルネットワーク ,  割引アンサンブル

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 深層 ,  アンサンブル ,  飲料水品質 ,  異常検出