文献

J-GLOBAL ID：202002299137705744   整理番号：20A0908506

自己運転行動分類のための説明可能な密度ベース手法【JST・京大機械翻訳】

Explainable Density-Based Approach for Self-Driving Actions Classification

著者 (6件)： Soares Eduardo (Lancaster University) ,  Angelov Plamen (Lancaster University) ,  Filev Dimitar (Ford Motor Company) ,  Costa Bruno (Ford Motor Company) ,  Castro Marcos (Ford Motor Company) ,  Nageshrao Subramanya (Ford Motor Company)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICMLA  ページ： 469-474  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： 本論文では,自己駆動車により解釈可能なモデルを自律的に学習するための新しい自己組織化ニューロファジィ手法について述べた。新しい説明可能な自己組織化アーキテクチャと新しい密度ベースの特徴選択法を提案した。これらの新しいアプローチを用いて,異なる自己駆動条件から生じる異なる動作状態を分類した。提案した手法は,0次ファジィルールの超並列集合から構成される学習エンジンにより,人間の理解可能なIF...THENルール表現を提供することができる。提案した密度ベース特徴選択法は,データ空間における各特徴の密度のランク付けに基づいており,クラスあたりの特徴の個別化部分集合を生成するために提案した説明可能自己組織化手法の並列特性を利用する。両方の提案した方法の主な目標は,高い透明度,解釈可能性を有する高精度モデルを提供し,自己駆動車両に対して説明できないことである。著者らの提案を検証するために,Ford Motor社によって提供された実際のデータセットを用いて実験を実現した。データセットは,自己駆動性能の間に起こる異なる駆動状態を含む。結果は,提案したアプローチが,このチャレンジ多クラス分類問題に対する精度に関して,最先端の競争者を凌ぐことができることを実証した。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： 学習 ,  透明度 ,  特徴選択 ,  等級づけ ,  計算機アーキテクチャ ,  *自己組織化 ,  ファジィニューラルネットワーク ,  超並列処理
準シソーラス用語： 自律性 ,  ファジィルール ,  高精度 ,  運転行動 ,  多クラス分類 , 【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 (6件)： 自己 ,  行動 ,  分類 ,  説明 ,  密度 ,  手法