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。
センサ配置は,再構成,予測および制御のようなタスクのための工学および物理科学を横断して重要でユビキタスな問題である。驚くべきことに,線形,低ランクサブ空間およびQRアルゴリズムの発見に基づく主要なセンサ配置アルゴリズムで,センサ位置を最適化するための今日まで開発された原理的数学的技法はほとんどない。QRは,訓練データセットで表される最大分散を持つ候補位置からセンサ位置を選択する計算効率の良い欲張り探索アルゴリズムである。より最近,ニューラルネットワーク,特に浅い復号器ネットワーク(SDN)は,元の高次元状態空間に対するセンサ測定のマッピングにおいて非常に成功していることが示されている。SDNは,再構成精度,雑音耐性,およびセンサ位置に対するロバスト性において線形部分空間表現より優れている。しかし,SDNはセンサ配置を決定するための原理的数学的技法を欠いている。本研究では,SDNを用いたセンサ位置最適化のための2つのアルゴリズムを開発した:QR(Q-SDN)に基づく線形選択アルゴリズムである1つ,およびニューラルネットワーク剪定(P-SDN)に基づく非線形選択アルゴリズムである。このようなセンサ配置アルゴリズムは,SDNの既に印象的な再構成能力を高めるのに有望である。流体動力学からの2つの例データセットに関するセンサ選択アルゴリズムを示した。さらに,線形(Q-SDN)と非線形(P-SDN)アルゴリズムの間の詳細な比較を,従来の線形埋込み技術(プロペラ直交分解)とQR greedy欲選択によって提供した。SDNによるQR選択が性能を増強することを示した。QRは,大きさベース剪定を用いる非線形選択法も凌駕する。したがって, greedy欲線形選択(QR)と非線形符号化(SDN)の組合せは相乗的組合せを提供する。【JST・京大機械翻訳】