文献

J-GLOBAL ID：202002257494699612   整理番号：20A2282714

注意ベース多変量畳込みニューラルネットワークによる多変量時系列分類【JST・京大機械翻訳】

Multivariate Time Series Classification With An Attention-Based Multivariate Convolutional Neural Network

著者 (2件)： Tripathi Achyut Mani (Indian Institute of Technology, Guwahati,Department of Computer Science & Engineering,Guwahati,Assam,India,781039) ,  Dutta Baruah Rashmi (Indian Institute of Technology, Guwahati,Department of Computer Science & Engineering,Guwahati,Assam,India,781039)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-8  発行年： 2020年 
JST資料番号： W2441A  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： 時系列の分類は,工業プロセスや健康管理監視のような動的システムの連続モニタリングを要求する様々な応用の必須要件である。特徴抽出は時系列モデルの性能を決定する際に重要な役割を果たす。近年,深層学習技術は,時系列の分類のために高度に識別する特徴を抽出する優れた性能を示した。畳込みニューラルネットワーク(CNN)は,特徴学習と分類タスクを同時に実行する統一フレームワークである。多変量時系列の分類を実行するためにCNNを使用することは,まだ挑戦的な課題である。本論文では,複数のタイムスタンプを横断する情報を符号化するための注意特徴ベース入力テンソル方式から成る注意ベース多変量畳込みニューラルネットワーク(AT-MVCNN)を提案した。この方法は多変量時系列の時間的特性を学習できる。提案方法の有効性を,人間活動認識(HAR)とOccupcy検出データセットでテストした。実験と結果は,提案方法が他の深い学習と従来の機械学習モデルより優れていることを示した。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： テンソル ,  *学習 ,  動的系 ,  特徴抽出 ,  健康管理 ,  有効性 ,  機械学習
準シソーラス用語： 人間活動 ,  タイムスタンプ ,  連続監視 ,  *多変量 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 注意 ,  多変量 ,  畳込みニューラルネットワーク ,  時系列 ,  分類