文献

J-GLOBAL ID：202002266188523433   整理番号：20A1340887

LFZip:改良型予測による多変量浮動小数点時系列データの損失圧縮【JST・京大機械翻訳】

LFZip: Lossy Compression of Multivariate Floating-Point Time Series Data via Improved Prediction

著者 (6件)： Chandak Shubham (Stanford University) ,  Tatwawadi Kedar (Stanford University) ,  Wen Chengtao (Siemens Corporation, USA) ,  Wang Lingyun (Siemens Corporation, USA) ,  Aparicio Ojea Juan (Siemens Corporation, USA) ,  Weissman Tsachy (Stanford University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DCC  ページ： 342-351  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： 時系列データ圧縮は,IoTデバイスとセンサにおける成長を伴う重要な問題として浮上している。これらのデータセットにおけるノイズの存在により,損失圧縮は,下流応用の性能に影響を与えることなく,しばしば重要な圧縮利得を提供できる。本研究では,ユーザ指定最大絶対誤差までの保証再構成を提供する多変量浮動小数点時系列データに対して,誤り結合損失圧縮機LFZipを提案した。圧縮機は,予測量子化-エントロピー符号器フレームワークと,線形モデルとニューラルネットワークを用いた改良予測からの利益に基づく。筆者らは,既存の最先端の誤り結合損失圧縮機よりも性能が優れているいくつかの時系列データセットの圧縮機を評価した。コードとデータはhttps://github.com/shubhamchandak94/LFZipで利用可能である。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 ,  量子化 ,  *圧縮機 ,  ニューラルネットワーク ,  再構成 ,  利得 ,  センサ
準シソーラス用語： 時系列データ ,  エントロピー符号化 ,  線形モデル ,  モノのインターネット ,  *多変量 , 【Automatic Indexing@JST】

分類 (5件)： 専用演算制御装置  (JC04030Y) ,  医用画像処理  (JE04020T) ,  音声処理  (JE05000E) ,  NMR一般  (BM07041R) ,  符号理論  (ND02030R)

タイトルに関連する用語 (5件)： 予測 ,  多変量 ,  浮動小数点 ,  時系列データ ,  損失