文献

J-GLOBAL ID：202002278452753903   整理番号：20A0269256

類似者間の差異:センサデータ解析のためのトピックモデルを用いる新しい方法【JST・京大機械翻訳】

Difference between Similars: A Novel Method to Use Topic Models for Sensor Data Analysis

著者 (3件)： Masada Tomonari (Nagasaki University) ,  Eguchi Takumi (Sony Semiconductor Manufacturing Corporation, Japan) ,  Hamaguchi Daisuke (Sony Semiconductor Manufacturing Corporation, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICDMW  ページ： 391-398  発行年： 2019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： センサデータ解析のためのトピックモデリングにより得られた話題を用いる新しい方法を提案した。本論文では,注目すべき変化パターンを発見するツールとして潜在的Dirichlet割当(LDA)を用いることにより,製造センサデータの探索的データ解析を行う事例研究について述べた。著者らの目標は,閉鎖工場環境に設置されたセンサに由来する一連の時系列データである。各センサは同じ製造プロセスの異なるタイプの測定を与え,ロット毎に繰り返し操作される。最初に,センサ測定のヒストグラムに基づいてデータを離散化し,単語表現を構築した。次に,LDAを適用して数千のロットを横切る変化パターンを発見した。LDAを自然言語文書に適用すると,文書が本質的にかなりの多様性を示すので,結果としての話題は互いに広く異なる。対照的に,著者らのデータは,反復的に操作された製造プロセスに由来し,限られた多様性しか示さない。結果として,LDAは互いに密接に類似した話題を提供する。著者らの主要で予想外の発見は,類似の話題間の差異が顕著な変化パターンを発見するのに有用であることである。工場で収集したセンサ測定を含むデータセットについて実験を行った。結果は,非常に類似した話題間の微妙な差が,しばしばセンサ測定の興味ある変化パターンに対応することを明らかにした。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： 生産工程 ,  ヒストグラム ,  センサ ,  *ロット ,  自然言語 ,  単語 ,  モデリング ,  事例研究 ,  離散化 ,  時系列データ
準シソーラス用語： *トピックモデル ,  *センサデータ , 【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)： 類似 ,  差異 ,  センサデータ ,  解析 ,  トピックモデル