文献

J-GLOBAL ID：202202243766425902   整理番号：22A1102156

ガス/匂いのためのドリフト耐性ロバスト分類器のための多次元マルチコンボリューションベース特徴抽出アプローチ【JST・京大機械翻訳】

Multidimensional Multiconvolution-Based Feature Extraction Approach for Drift Tolerant Robust Classifier for Gases/Odors

著者 (2件)： Chaudhri Shiv (Indian Institute of Technology (BHU) Varanasi, Varanasi, Uttar Pradesh, India) ,  Rajput NS (Indian Institute of Technology (BHU) Varanasi, Varanasi, Uttar Pradesh, India)
資料名： IEEE Sensors Letters  (IEEE Sensors Letters)
巻： 6  号： 4  ページ： ROMBUNNO.7001004.1-4  発行年： 2022年 
JST資料番号： W2476A  ISSN： 2475-1472  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： 最近,畳み込みニューラルネットワーク(CNN)がガス/臭気の分類に使用されている。これらの方法は,リアルタイムでその応用を阻害するセンサ特性のドリフト補償のための統計的アルゴリズムを含む。本レターでは,「ドリフト耐性ロバスト分類器(DTRC)」と呼ばれるハイブリッドCNNモデルを提案し,それは,センサ応答特性における任意のドリフトに対して,生センサアレイ応答から多次元特徴を抽出し,自動的に補償する。提案したDTRCは,統計的アルゴリズムなしで参照ドリフトを補償するために,ハイブリッド方式で1D,2D,および3D畳込み層から成る。DTRCの有効性を一般的なデータセットとその公表結果で評価し,それは3年間にわたってドリフトを示すセンサ特性の10バッチから成る。提案したDTRCは,参照結果を凌駕した。他の実験では,DTRCは他の最先端の方法より優れていた。提案したCNNアーキテクチャ(DTRC)は,実時間アプリケーションに適した多次元多重畳込みエンドツーエンドアーキテクチャを有するより簡単で軽量なCNNである。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： アルゴリズム ,  畳込み ,  応答特性 ,  臭気 ,  *特徴抽出 ,  *ドリフト ,  多重化 ,  応用プログラム ,  二次元 ,  一次元 ,  *高次元 ,  三次元 ,  計算機アーキテクチャ ,  *ロバスト性
準シソーラス用語： 畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 計測機器一般  (AD02000X) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 匂い ,  ドリフト ,  耐性 ,  ロバスト ,  分類器 ,  多次元 ,  特徴抽出