文献

J-GLOBAL ID：202002247876201454   整理番号：20A0853482

COセンサデータの伝達可能な時系列分解によるスケーラブルな室占有予測【JST・京大機械翻訳】

A Scalable Room Occupancy Prediction with Transferable Time Series Decomposition of CO Sensor Data

著者 (3件)： Arief-Ang Irvan B. (RMIT University, Melbourne VIC, Australia) ,  Hamilton Margaret (RMIT University, Melbourne VIC, Australia) ,  Salim Flora D. (RMIT University, Melbourne VIC, Australia)
資料名： ACM Transactions on Sensor Networks  (ACM Transactions on Sensor Networks)
巻： 14  号： 3-4  ページ： 1-28  発行年： 2018年 
JST資料番号： W5706A  ISSN： 1550-4859  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： 人間の占有計数は,空間利用と建物エネルギー最適化の両方にとって重要である。本論文では,二酸化炭素センサからのデータを用いて,一つの部屋内の人々の数を推定するためのロバストな方法である二酸化炭素-Human Occupancy Plus Plus(DA-HOC++)に対する半教師つき領域適応法を提案した。著者らの以前の研究において,提案されている人間の職業計数(SD-HOC)モデルのための季節的分解は,訓練とラベル付けされたデータが適切に利用可能であるときに,正確に個人の数を予測することができる。DA-HOC++は,最小の訓練データを持つ居住者の数を予測することができる:1日のデータはほとんどない。DA-HOC++は,小部屋から訓練されたモデルを用いて,異なる国を横断する5つの異なる部屋に対する屋内の人間の占有率を正確に予測し,他の部屋に適合させた。2つのベースライン法によりDA-HOC++を評価した:サポートベクトル回帰法とSD-HOCモデル。結果は,平均におけるDA-HOC++の性能が,SVRと比較して,10.87%,SD-HOCと比較して8.65%,より良いことを示した。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： センサ ,  *占有率 ,  基準線 ,  二酸化炭素 ,  機械学習 ,  ロバスト性 ,  職業 ,  住民 ,  学習
準シソーラス用語： サポートベクトル回帰 ,  訓練データ , 【Automatic Indexing@JST】

著者キーワード (10件)： 伝達学習 ,  環境センシング ,  建築の占有 ,  文脈情報 ,  交差空間モデリング ,  ドメイン適応 ,  人間占有数予測 ,  機械学習 ,  数推定 ,  存在検出

分類 (2件)： 建築環境一般  (RB02010T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： COセンサ ,  時系列 ,  分解 ,  室 ,  予測