文献

J-GLOBAL ID：202202250011894647   整理番号：22A0397644

圧縮地震測定と畳込みニューラルネットワークを用いたエッジインテリジェンスベース移動目標分類【JST・京大機械翻訳】

Edge Intelligence-Based Moving Target Classification Using Compressed Seismic Measurements and Convolutional Neural Networks

著者 (3件)： Bin Kangcheng (College of Instrumentation and Electrical Engineering, Jilin University, Changchun, China) ,  Lin Jun (College of Instrumentation and Electrical Engineering, Jilin University, Changchun, China) ,  Tong Xunqian (College of Instrumentation and Electrical Engineering, Jilin University, Changchun, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.7502105.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 近年,地震信号から移動目標を分類するために,多くの深層学習法を提案した。しかし,既存の深層モデルは,リアルタイムデータ処理が通信遅延のため難しい「エンドクラウド」フレームワークに基づいてすべて設計されている。この問題に対処し,オンサイトターゲット分類を達成するために,圧縮センシングエッジ畳込みニューラルネットワーク(CS-ECNN)と名付けた新しいエッジ知能指向法を提案した。この方法では,得られた地震信号をCSを用いて圧縮領域にまずマッピングした。この操作は,データ次元を低減し,一方,貴重な地震特徴の大部分を保持できる。その後,畳み込みニューラルネットワークを用いて,圧縮地震測定から直接陰的特徴を抽出し,次に特徴ベクトルを分類した。提案した方法を評価するために,DARPAのSensITプロジェクトで記録された地震データをケーススタディとして用いた。実験結果は,提案モデルがエッジ整合であり,1/10計算時間だけの最先端のクラウドベースモデルに匹敵する分類精度を達成することを示した。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： *地震 ,  事例研究 ,  深層
準シソーラス用語： 特徴ベクトル ,  分類精度 ,  圧縮センシング ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  信号理論  (ND02020G)

タイトルに関連する用語 (4件)： 地震 ,  畳込みニューラルネットワーク ,  移動目標 ,  分類