文献

J-GLOBAL ID：202202220047698753   整理番号：22A0554151

行動認識におけるマルチモーダルデータ融合のための深層強化学習法【JST・京大機械翻訳】

A Deep Reinforcement Learning Method For Multimodal Data Fusion in Action Recognition

著者 (3件)： Guo Jiale (School of Information Engineering, Zhengzhou University, Zhengzhou, China) ,  Liu Qiang (School of Information Engineering, Zhengzhou University, Zhengzhou, China) ,  Chen Enqing (School of Information Engineering, Zhengzhou University, Zhengzhou, China)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 29  ページ： 120-124  発行年： 2022年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 現在,マルチモーダル人間行動認識の研究において,固定重量による加重融合方法は,大部分のモデルの判定レベル融合において広範囲に適用した。このようにして,重みは,通常,元の経験または横断探索から得られ,それは不正確であるか,大量の計算を持ち,様々なクラスの行動情報に対する様々なモードデータの異なる表現能力を無視する。深層強化学習の強力な意思決定能力の助けを借りて,著者らは,深い強化学習に基づくマルチモーダル意思決定融合重み割当ネットワークを提案した。本レターは,主に,行動認識における強化学習問題のモデリング,ニューラルネットワークの設計,および問題解決方式の選択を含むモデルの設計を論じる。NTU RGB+DとHMDB51データセットに関する実験結果は,提案した方法の有効性を示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  データ ,  ネットワーク ,  分類 ,  問題解決 ,  ニューラルネットワーク ,  モデル ,  *多モード ,  有効性 ,  *強化学習 ,  *データ融合
準シソーラス用語： 行動認識 ,  決定融合 ,  *深層強化学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 行動認識 ,  マルチモーダル ,  データ融合 ,  深層強化学習