T-WaveNet:センサベース時系列分析のためのツリー構造ウェーブレットニューラルネットワーク【JST・京大機械翻訳】

Liu Minhao; Zeng Ailing; Lai Qiuxia; Xu Qiang

プレプリント

J-GLOBAL ID：202202202167011540 整理番号：22P0216717

T-WaveNet:センサベース時系列分析のためのツリー構造ウェーブレットニューラルネットワーク【JST・京大機械翻訳】

T-WaveNet: Tree-Structured Wavelet Neural Network for Sensor-Based Time Series Analysis

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年12月10日プレプリントサーバーでの情報更新日： 2020年12月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

センサベースの時系列分析は,活動認識や脳-コンピュータインタフェースのようなアプリケーションにとって不可欠なタスクである。最近,深層ニューラルネットワーク(DNN)で抽出された特徴は,従来の手工作品よりも効果的であることが示されている。しかし,これらの解の大部分は,センサデータで実行されるアプリケーション固有の情報を抽出するためのネットワークのみに依存する。通常,周波数成分の小さな部分集合がセンサデータに対して一次情報を運ぶという事実により,センサデータ解析,即ちT-WaveNet用の新しいツリー構造化ウェーブレットニューラルネットワークを提案した。特に,T-WaveNetを用いて,センサデータのパワースペクトル解析を行い,入力信号を様々な周波数サブバンドに分解した。次に,ツリー構造ネットワークを構築し,ツリー上の各ノード(周波数サブバンドに対応する)を,可逆ニューラルネットワーク(INN)ベースのウェーブレット変換で構築した。そうすることによって,T-WaveNetは,既存のDNNベースの技術よりセンサ情報のためのより効果的な表現を提供して,それは,活動認識のためのUCI-HAR,ジェスチャ認識のためのOPPORTUNITY,意図認識のためのBCICIV2a,および筋肉運動認識のためのNinaProDB1を含む様々のセンサデータセットに関する最先端の性能を達成した。【JST・京大機械翻訳】

, , , ,
, , , , , , , , , , 【Automatic Indexing@JST】

人工知能 , 図形・画像処理一般

, , ,

前のページに戻る