文献

J-GLOBAL ID：202202266777622029   整理番号：22A1104301

車両センサデータの文脈における全体的データ解析のための整数時系列圧縮【JST・京大機械翻訳】

Integer Time Series Compression for Holistic Data Analytics in the Context of Vehicle Sensor Data

著者 (5件)： Vox Christopher (Volkswagen AG,Wolfsburg,Germany) ,  Broneske David (German Centre for Higher Education Research and Science Studies,Hannover,Germany) ,  Piewek Jan (Volkswagen AG,Wolfsburg,Germany) ,  Sass Andreas Udo (Volkswagen AG,Wolfsburg,Germany) ,  Saake Gunter (Otto-von-Guericke-Universitat Magdeburg,Magdeburg,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCVE  ページ： 1-7  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 車両によって収集され,必要かつ送られる情報量は,恒久的に増加する。従って,V2X通信は,限られた帯域幅やハードウェア制約のような様々な制限を受ける。さらに,この膨大なデータ量に関する訓練人工ニューラルネットワークだけでなく,車両データの処理および解析は,高計算費用である。結論として,データ処理,データ伝送,およびデータマイニングのシステム全体の最適化の必要性があり,名前の制約に関して環境負荷を低減する。したがって,以下の研究課題を定義した:限られた帯域幅,計算制約,リアルタイム能力,およびデータマイニング法における車両データのその後の利用の考察の下で,車両通信を最適化する方法。この質問に答えるために,著者らは,多変量車両センサ時系列に適用した軽量だが極めて強力な圧縮方式を開発した。著者らのアプローチは,品質測定圧縮比と圧縮速度に関するPareto最適圧縮結果を達成した。その結果,提案手法は,データ圧縮とデータマイニングを,全体的かつ実時間で効率的にリンクできることを実証した。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： 最適化 ,  ニューラルネットワーク ,  情報量 ,  ハードウェア ,  データ処理 ,  帯域幅 ,  データ圧縮 ,  センサ ,  環境影響 ,  *データマイニング
準シソーラス用語： Pareto最適 ,  データ伝送 ,  データ量 ,  *センサデータ ,  多変量 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： センサデータ ,  文脈 ,  データ解析 ,  整数 ,  時系列