文献

J-GLOBAL ID：202002296884088340   整理番号：20A2083570

目標追跡のためのGauss過程アプローチに及ぼす種々のカーネルとトレーニングデータの影響【JST・京大機械翻訳】

On the Impact of Different Kernels and Training Data on a Gaussian Process Approach for Target Tracking

著者 (2件)： Aftab Waqas (University of Sheffield,Department of Automatic Control and Systems Engineering,UK,S1 3JD) ,  Mihaylova Lyudmila (University of Sheffield,Department of Automatic Control and Systems Engineering,UK,S1 3JD)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： FUSION  ページ： 1-6  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： 多重ターゲット追跡アルゴリズムの応用は,過去20年間,指数的に増加した。最近,Gaussプロセス回帰や畳み込みニューラルネットワークのようなモデルフリー手法がターゲット追跡のために開発されている。本論文は,非常に有望で最近提案されたGaussプロセス法,すなわちGaussプロセス運動トラッカーの実際的側面に関するシミュレーションベースの研究を提示した。また,本論文は,上記の追跡方法の種々の側面に関する設計指針を提供した。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： シミュレーション ,  *Gauss過程 ,  多重化
準シソーラス用語： *ターゲット追跡 ,  追跡アルゴリズム ,  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 (4件)： 目標追跡 ,  Gauss過程 ,  カーネル ,  トレーニング