文献

J-GLOBAL ID：202202250386765104   整理番号：22A1093932

大規模事故におけるパターンの多次元スケーリングと可視化【JST・京大機械翻訳】

Multidimensional scaling and visualization of patterns in global large-scale accidents

著者 (2件)： Lopes Antonio M. (LAETA/INEGI, Faculty of Engineering, University of Porto, Rua Dr. Roberto Frias, 4200-465 Porto, Portugal) ,  Machado J.A. Tenreiro (Institute of Engineering, Polytechnic of Porto, Dept. of Electrical Engineering, R. Dr. Antonio Bernardino de Almeida, 431, 4249-015 Porto, Portugal)
資料名： Chaos, Solitons & Fractals  (Chaos, Solitons & Fractals)
巻： 157  ページ： Null  発行年： 2022年 
JST資料番号： W0310A  ISSN： 0960-0779  CODEN： CSFOEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： カタストロフィック事象は,複雑なシステム(CS)の相転移として一般的に参照されている。本論文では,CSのダイナミクスにおける位相と相転移を同定するために教師なし機械学習に基づくアプローチを提案した。テストベッドは,グローバル大規模事故に関連した因果律とイベントのデータセットである。多次元時系列を生データから生成して,CSの出力として解釈した。時系列を時間領域で正規化し,セグメント化し,得られたオブジェクトを用いて動的プロセスの挙動を特性化した。物体を,多次元スケーリング(MDS)技法によって,それぞれ距離と情報を通して比較した。時間をパラメトリック変数として表示した。生成したポートレートは,カオス様挙動の周期を有する複雑な性質を持ち,出現パターンに関して解析した。結果は,MDSの採用が現在の計算資源を使用する関連モデリングツールであることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 因果律 ,  相転移 ,  セグメンテーション ,  データ ,  *可視化 ,  クラスタ化 ,  位相 ,  *高次元 ,  キャラクタリゼーション ,  *スケーリング【計数】 ,  カオス ,  正規化
準シソーラス用語： 時間領域 ,  動的プロセス ,  生データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 次元縮小 ,  情報の可視化 ,  クラスタリング ,  データシリーズ ,  複雑系

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 大規模 ,  事故 ,  多次元 ,  スケーリング ,  可視化