文献

J-GLOBAL ID：202202210244168669   整理番号：22A2494020

畳み込みスパース符号化動的モード分解の多重解像度化とその河床状態推定への応用

Multiresolution Convolutional-Sparse-Coded Dynamic Mode Decomposition and Its Application to Riverbed State Estimation

著者 (4件)： 小林栄裕 (新潟大) ,  村松正吾 (新潟大 工) ,  安田浩保 (新潟大 災害・復興科研) ,  早坂圭司 (新潟大 理)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 122  号： 165(SIP2022 50-79)  ページ： 25-30 (WEB ONLY)  発行年： 2022年08月18日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本稿では,畳み込みスパース符号化動的モード分解(CSC-DMD)に多重解像度表現を取り入れた手法を提案する.CSC-DMDは拡張動的モード分解(EDMD)に学習可能な畳み込み合成辞書を導入した時系列解析手法で,先行研究では河床状態推定への応用でその有効性を確認している.しかし,空間的に大域的な変化と局所的な変化の同時表現に課題が残されていた.そこで本研究では,CSC-DMDの畳み込み辞書を多重解像度化することを提案する.河川実験模型から得られる時系列データの予測シミュレーションをとおしてその有効性を確認する.(著者抄録)

シソーラス用語： *画像処理 ,  ニューラルネットワーク ,  畳込み ,  モード解析 ,  *動的解析 ,  分解能 ,  多重化 ,  *河床形態 ,  状態推定 ,  機械学習 ,  モード分解 ,  多重解像度 ,  *スパースコーディング
準シソーラス用語： *スパース符号化 ,  辞書学習

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  応用測量,その他  (RC02060Z)

引用文献 (17件)：

• 大塚 敏之,“非線形モデル予測制御の研究動向,” システム/制御/情報,第61巻,第2号,2017年,pp.42-50.
• M. O. Williams, I. G. Kevrekidis and C. W. Rowley, “A data-driven approximation of the koopman operator: Extending dynamic mode decomposition,”Journal of Nonlinear Science, vol.25, no.6, pp.1307-1346, Dec. 2015.
• J. N. Kutz, S. L. Brunton, B.W. Brunton, and J. L. Proctor,“Dynamic Mode Decomposition: Data-Driven Modeling of Complex System,” SIAM, 2016.
• J. N. Kutz, S. L. Brunton, “Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control (2nd ed.),”Cambridge: Cambridge University Press, 2022.
• 国土交通省国土地理院,“令和元年東日本台風に関する情報”,最終閲覧日 2022年8月3日, https://www.gsi.go.jp/BOUSAI/R1.taihuu19gou.html.

タイトルに関連する用語 (7件)： 畳み込み ,  スパース符号化 ,  モード分解 ,  多重解像度 ,  河床 ,  状態推定 ,  応用