文献

J-GLOBAL ID：202202273675433507   整理番号：22A1037776

改良畳込みニューラルネットワークに基づくビッグデータ分析と予測システム【JST・京大機械翻訳】

Big Data Analysis and Prediction System Based on Improved Convolutional Neural Network

著者 (3件)： Du Xuegong (College of Information Engineering, Lanzhou University of Finance and Economics, Lanzhou 730020, China) ,  Cao Xiaojun (College of Information Engineering, Lanzhou University of Finance and Economics, Lanzhou 730020, China) ,  Zhang Rui (College of Information Engineering, Lanzhou University of Finance and Economics, Lanzhou 730020, China)
資料名： Computational Intelligence and Neuroscience (Web)  (Computational Intelligence and Neuroscience (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7694A  ISSN： 1687-5265  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文は,畳み込みニューラルネットワークに基づく大きいデータ解析と予測システムを提示する。連続テンプレートマッチング技術を用いて,大きいデータの分散データ構造を分析し,クラウドサービス組合せビッグデータの情報融合処理を,マッチング関連検出法,頻繁なアイテム検出,および高次元融合データの相関ルール特徴抽出と組み合わせた。クラスタ化方式を採用して,クラウドサービスポートフォリオビッグデータの分類とマイニングを実現した。周辺環境を検出する自動車のハードウェア装置は複雑であり,畳み込みニューラルネットワークとカメラとの周辺環境の検出は研究ホットスポットになっている。しかし,自動車の旋回角を制御するためにカメラデータを処理するために畳み込みニューラルネットワークを用いることは,長い訓練時間と低い精度の問題がある。改良畳込みニューラルネットワークを提案した。実験結果は,この方式によるデータマイニングの精度が従来法のものより12.43%と21.76%高く,反復ステップの数が短く,マイニングのタイムラインがより高いことを示した。このネットワーク構造はネットワークの訓練速度を効果的に改善し,ネットワークの精度を改善する。畳込みニューラルネットワークは,より速い訓練速度とより高い精度を有することを証明した。Copyright 2022 Xuegong Du et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  自動車 ,  データ構造 ,  *ネットワーク ,  ポートフォリオ ,  *ニューラルネットワーク ,  特徴抽出 ,  クラスタ化 ,  ネットワーク構造 ,  ハードウェア ,  ホットスポット ,  パターンマッチング ,  データマイニング
準シソーラス用語： テンプレートマッチング ,  *ビッグデータ ,  クラウドサービス ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (4件)： その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z) ,  データ保護  (JD01020V) ,  計算機網  (JC03000K)

引用文献 (19件)：

• B. Yang, R. Liu, E. Zio, "Remaining useful life prediction based on a double-convolutional neural network architecture," IEEE Transactions on Industrial Electronics, vol. 66, no. 12, pp. 9521-9530, 2019.
• Z. Liu, H. Chen, Z. Ren, J. Tang, Z. Xu, Y. Chen, X. Liu, "Deep learning audio magnetotellurics inversion using residual-based deep convolution neural network," Journal of Applied Geophysics, vol. 188, no. 6433, 2021.
• A. Viebke, S. Memeti, S. Pllana, A. Abraham, "Chaos: a parallelization scheme for training convolutional neural networks on intel xeon phi," The Journal of Supercomputing, vol. 75, no. 1, pp. 197-227, 2019.
• H. Guan, X. Zhao, "Study on the prediction system of shrimp field distribution in the east China sea based on big data analysis of fishing trajectories," Journal of Ocean University of China, vol. 20, no. 1, pp. 228-234, 2021.
• B. Li, B. Xiao, Y. Yang, "Strengthen credit scoring system of small and micro businesses with soft information: analysis and comparison based on neural network models," Journal of Intelligent and Fuzzy Systems, vol. 40, no. 1, pp. 1-18, 2021.

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  データ分析 ,  予測システム