文献

J-GLOBAL ID：202102271752110454   整理番号：21A0671139

エキスパート影響によるデータ駆動モデル:時空間プロセス推定へのハイブリッドアプローチ【JST・京大機械翻訳】

Data-Driven Models with Expert Influence: A Hybrid Approach to Spatiotemporal Process Estimation

著者 (2件)： Liu Jun (Virginia Polytechnic Institute and State University,Department of Electrical and Computer Engineering,Blacksburg,VA,USA,24061) ,  Williams Ryan K. (Virginia Polytechnic Institute and State University,Department of Electrical and Computer Engineering,Blacksburg,VA,USA,24061)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IROS  ページ： 2467-2473  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： 本論文では,著者らの動機付け適用は,粗飼料の正確なモデリングが回転放牧戦略を形成するのに不可欠である精密農業にある。残念なことに,複雑な生態学的影響に従って大規模に進化するので,粗飼料プロセスをモデル化する際に大きな困難が生じる。ロボットが粗飼料環境において大規模にデータを収集できるので,それらはデータ駆動Gaussプロセス(GP)技術と組み合わせた場合,粗飼料モデリング問題のための有望な資源として作用する。しかし,GPは本質的にノンパラメトリックであり,パラメータ化されたエキスパートモデルがうまく予測可能なプロセスの特定の nuさにブラインドであるかもしれない。実際,粗飼料モデリング問題のために,強力な予測能力を示す農業専門家からいくつかの高度にパラメータ化されたモデルが存在する。しかし,エキスパートモデルは,しばしば2つの欠点がある。(1)パラメータは,一般に決定することが困難である。(2)モデルは完全な時空間予測を行わない。例えば,環境の平均出力の動力学をモデル化する確率的微分方程式(SDE)は,専門家(典型的なケース)から利用可能である。このような場合,データ駆動(GPs)とエキスパート(SDE)モデルの両方を利用して,ロボットによって収集されたデータを融合し,しばしば時間的洞察をもたらす経験のある専門家からのモデルと共に,空間洞察をもたらす。特に,これらの2つの方法を組み合わせるためにBayes推定を活用し,データ駆動とエキスパートモデルのハイブリッドである事後予測をもたらすことを提案した。最後に,提案した方法の有効性を実証するためにシミュレーションを提供した。Copyright 2021 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： 微分方程式 ,  動機づけ ,  農業 ,  ロボット ,  *粗飼料 ,  Bayes推定 ,  Gauss過程 ,  ノンパラメトリック法 ,  放牧 ,  有効性 ,  パラメタリゼーション
準シソーラス用語： 精密農業 ,  予測能力 ,  *データ駆動 ,  生態学的影響 , 【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 (7件)： エキスパート ,  データ駆動 ,  モデル ,  時空間 ,  プロセス ,  推定 ,  ハイブリッドアプローチ