抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
畳み込みニューラルネットワーク(CNN)は,産業データベースのテンソル入力を処理するために広く適用され,それは空間的,時間的,およびシステムダイナミックス側面から分散型産業システムのデータ記録を統合する。しかし,画像とは異なり,産業データベーステンソルにおける情報は必ずしも空間的に順序付けされていない。したがって,CNNを直接適用することは無効である。そのような問題に取り組むために,著者らは,CNNによって処理される前に,産業データベースのテンソルのデータ組織化を最適または最適以下の順序に適応的に交換するために,プラグとプレイモジュール,RubikのCube Operator(RCO)を提案し,それは,勾配ベースの最適化器を介して後続のCNNで更新できる。提案したRCOは,入力産業データベーステンソルのK軸の属性を交換するために,K二値および右確率的置換行列を維持する。Gumbel-Softmaxを用いて置換行列の要素を再パラメータ化するために,新しい学習プロセスを提案し,Gumbel-Softmaxを用いて置換行列の要素を再パラメータ化し,そして,ソフト正則化損失を提案し,そして,交換データの特徴多様性を確実にするために,タスク特異的損失に追加した。CNNs,風力発電予測(WPP),および再生可能エネルギー領域からの風速予測(WSP)を通して,2つの代表的な学習タスクを処理することにより,提案したRCOの有効性を検証した。異なるウィンドファームから収集した4つのデータセットに基づいて計算実験を行い,その結果,提案したRCOはCNNベースネットワークの性能を著しく改良できることを示した。【JST・京大機械翻訳】