Rubikの立方体演算子:深い畳込みプロセスにおける高次元産業データをより良くするためのプラグアンドプレイ置換モジュール【JST・京大機械翻訳】

Yang Luoxiao; Zheng Zhong; Zhang Zijun

プレプリント

J-GLOBAL ID：202202202588292602 整理番号：22P0309571

Rubikの立方体演算子:深い畳込みプロセスにおける高次元産業データをより良くするためのプラグアンドプレイ置換モジュール【JST・京大機械翻訳】

Rubik's Cube Operator: A Plug And Play Permutation Module for Better Arranging High Dimensional Industrial Data in Deep Convolutional Processes

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 (3件)： , ,
資料名：
発行年： 2022年03月24日プレプリントサーバーでの情報更新日： 2022年03月24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)

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】

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

人工知能 , 図形・画像処理一般

, , , , , , , ,

前のページに戻る