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。
海洋は複雑なデータの印象的な混合物の源であり,まだ発見すべき関係を明らかにするのに使用できる。そのようなデータは,船舶の軌跡を追跡するために使用する自動識別システム(AIS)メッセージのような海洋とその表面から来る。AISメッセージは,理想的に周期的な時間間隔で無線または衛星上で伝送されるが,時間とともに不規則に変化する。そのようなように,本論文では,複数の容器からAISメッセージのコンテンツを予想するためのニューラルネットワークを通してAISメッセージ伝送挙動をモデル化することを目的とし,特に,メッセージの時間不規則性を異常値として,同時アプローチにおいて,特に同時のアプローチにおいて,その予測を行う。筆者らは,様々な長さの水平サイズを持つタスクを予測するための多重アルゴリズムから成る一連の実験を提示する。深層学習モデル(例えば,ニューラルネットワーク)は,時間的不規則性に関係なく,血管の空間認識を適切に保存することを明らかにした。畳み込み層,フィードフォワードネットワーク,およびリカレントニューラルネットワークが,一緒に働くことによりそのようなタスクを改善できる方法を示した。メッセージの短,中,および大サイズのシーケンスで,著者らのモデルは,相対比率差の36/37/38%を達成して,一方,ElmanのRNNで92/45/96%,GRUで5/45/40%,およびLSTMで129/98/61%を観察した。これらの結果は,時間雑音データの下で同時に発散型多重血管を解析するとき,血管経路の予測を改善するためのドライバとして著者らのモデルを支持する。【JST・京大機械翻訳】