文献

J-GLOBAL ID：202202238414021653   整理番号：22A0959412

知的輸送システムにおけるその応用による軽量テンソル深層計算モデル【JST・京大機械翻訳】

Lightweight Tensor Deep Computation Model With Its Application in Intelligent Transportation Systems

著者 (5件)： Liu Debin (School of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan, China) ,  Yang Laurence T. (School of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan, China) ,  Zhao Ruonan (School of Cyber Science and Engineering, Huazhong University of Science and Technology, Wuhan, China) ,  Wang Jiawei (Department of Computer Science, St. Francis Xavier University, Antigonish, NS, Canada) ,  Xie Xia (School of Computer Science and Cyberspace Security, Hainan University, Haikou, China)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 23  号： 3  ページ： 2678-2687  発行年： 2022年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  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： 深い計算モデル(DCMs)は,運転行動検出,知的駐車ナビゲーションおよびリアルタイム道路条件検出のようなインテリジェント輸送システム(ITS)で広く使われている。ITSのビッグデータのマルチソース異質性のために,従来のDCMsが有効なマルチモーダルデータ特徴を学ぶことは難しい。テンソル空間におけるDCMはマルチモーダルデータを効率的に表現できるが,モデル学習パラメータ爆発の問題をさらに悪化させる。本論文では,軽量テンソルDCMを提案した。モデルは,モデルの冗長な学習パラメータを圧縮して,テンソル空間におけるDCMの学習特性評価能力を維持しながら,計算資源の消費を減少して,このように,ネットワークモデルを,スマート車とエッジ装置にDCMを展開するために,より一般的で軽量にする。提案した軽量テンソルDCMをいくつかの実際のデータセットで評価した。実験結果は,ネットワークモデルの性能をほとんど一定に保ちながら,学習パラメータの数が大規模に圧縮され,一方,モデルの計算量と訓練時間も低減することを示した。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： *テンソル ,  学習 ,  冗長性 ,  データ ,  駐車 ,  道路 ,  計算量 ,  *交通システム ,  *モデル ,  多モード ,  不均一性 ,  *計算モデル ,  ITS【交通】
準シソーラス用語： ネットワークモデル ,  ビッグデータ , 【Automatic Indexing@JST】

分類 (3件)： 交通調査  (TB01031B) ,  都市交通  (TA01020W) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 輸送システム ,  応用 ,  軽量 ,  テンソル ,  深層 ,  計算モデル