文献

J-GLOBAL ID：202202270636051906   整理番号：22A0787874

スパースモバイルクラウドセンシングのためのデータ重要度を意識した周期的機械学習モデル更新【JST・京大機械翻訳】

Data Importance Aware Periodic Machine Learning Model Update for Sparse Mobile Crowdsensing

著者 (4件)： Inagaki Yuichi (Kyoto University Yoshida-Honmachi,Graduate School of Informatics,Sakyo-ku, Kyoto,Japan,606-8501) ,  Shinkuma Ryoichi (Shibaura Institute of Technology,Faculty of Engineering,Tokyo,Japan,135-8548) ,  Sato Takehiro (Kyoto University Yoshida-Honmachi,Graduate School of Informatics,Sakyo-ku, Kyoto,Japan,606-8501) ,  Oki Eiji (Kyoto University Yoshida-Honmachi,Graduate School of Informatics,Sakyo-ku, Kyoto,Japan,606-8501)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CCNC  ページ： 667-670  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： スパースモバイルクラウドセンシングは,データ品質をまばらに収集し,機械学習アルゴリズムを含む推論アルゴリズムを用いて所望のデータを再構成することにより,センシングコストを低減するクラウドセンシングパラダイムである。しかし,疎なモバイルクラウドセンシングによる空間情報のリアルタイム推論は,データの時間的特性の変化を十分に考慮しなかった。その結果,再構成データの精度は時間とともに劣化する。したがって,本論文は,推論と再訓練の両方に関してデータの重要性を評価して,重要なデータを収集するために優先度を与えることによって,データを再構成するために使用する機械学習モデルを周期的に更新するフレームワークを提案した。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： アルゴリズム ,  再構成 ,  *携帯電話 ,  *機械学習 ,  学習アルゴリズム ,  優先度
準シソーラス用語： 空間情報 ,  実時間 ,  データ品質 ,  モデル更新 , 【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 (4件)： 重要度 ,  意識 ,  機械学習 ,  モデル更新