文献

J-GLOBAL ID：202002254964348103   整理番号：20A2143231

Fog無線アクセスネットワークにおける故障診断のための教師なし深層転送学習【JST・京大機械翻訳】

Unsupervised Deep Transfer Learning for Fault Diagnosis in Fog Radio Access Networks

著者 (4件)： Wu Wenbin (State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China) ,  Peng Mugen (State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China) ,  Chen Wenyun (State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China) ,  Yan Shi (State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China)
資料名： IEEE Internet of Things Journal  (IEEE Internet of Things Journal)
巻： 7  号： 9  ページ： 8956-8966  発行年： 2020年 
JST資料番号： W2432A  ISSN： 2327-4662  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： 超信頼性と超低待ち時間の要件によるモノのインターネットの急速な発展は,無線アクセスネットワーク運用と保全に巨大な課題を課した。人工知能技術を用いて,正確な故障診断を迅速かつ効率的に提供できるが,通常,認証故障ラベルと同様に歴史的データの欠如によって妨げられる。これらの課題に対処するために,本論文では,霧無線アクセスネットワークにおける教師なし深層転送学習ベース故障診断法を提案した。具体的には,雑音法によるアプリケーションの転送学習ベース密度ベース空間クラスタリングを,まず,コアレベル情報を用いて各区間における故障データを検出し,ラベル付けするために利用した。次に,セルレベル情報を用いて非ラベル故障データのカテゴリーを分類するために,ドメイン敵対ニューラルネットワークと畳み込みニューラルネットワークを組み合わせた教師なし深層転送学習法を適用した。実験結果は,提案方法が従来の方式より見逃し検出率を減少することができて,参照方法より良い故障診断精度を有することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *学習 ,  *故障 ,  信頼性 ,  *故障診断 ,  ニューラルネットワーク ,  人工知能 ,  応用プログラム ,  待ち時間 ,  深層 ,  認証
準シソーラス用語： 検出率 ,  *無線アクセスネットワーク ,  モノのインターネット ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： FOG ,  無線アクセスネットワーク ,  故障診断 ,  教師 ,  深層 ,  転送 ,  学習