文献

J-GLOBAL ID：202202275164498190   整理番号：22A1174885

地滑り空間予測のための全体的認知による注意制約ニューラルネットワーク【JST・京大機械翻訳】

An attention-constrained neural network with overall cognition for landslide spatial prediction

著者 (4件)： Wei Ruilong (Key Laboratory of Earth Exploration and Information Technology of Ministry of Education, Chengdu University of Technology, Chengdu, China) ,  Ye Chengming (Key Laboratory of Earth Exploration and Information Technology of Ministry of Education, Chengdu University of Technology, Chengdu, China) ,  Ge Yonggang (Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, Chengdu, China) ,  Li Yao (Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, Chengdu, China)
資料名： Landslides  (Landslides)
巻： 19  号： 5  ページ： 1087-1099  発行年： 2022年 
JST資料番号： W4685A  ISSN： 1612-510X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 地滑りの発生は様々な環境因子の影響を受ける。地滑りを予測するとき,従来のニューラルネットワークはグローバル連結性を用いてパラメータを最適化し,それは寄与因子の特徴を抽出する際にそれらの効率を制限する。本研究では,複雑なデータからの重要な特徴に焦点を当てるために,全体的認知(OC-ACNN)を持つ注意制約ニューラルネットワークを開発した。方法には4つのステップがある。1)歴史的地滑り分布および寄与因子に基づく事前入力としての全体的認知を抽出する,2)隠れ層における注意機構を,注目すべき特徴に重み付けし,重みを更新し,バックプロパゲーションニューラルネットワーク(BPNN)により非線形関係に適合させ,4)分類器を用いて予測結果を生成する。このモデルを四川省-チベット高速道路に適用し,10の素因と1449の歴史的地滑りを考慮した。評価結果は,OC-ACNN(0.822)が,受信者動作特性曲線(AUC)の下の面積に関して,多重線形回帰(MLR,0.734)およびBPNN(0.799)より高い予測能力を有することを示した。さらに,提案モデルを用いて,異なる注意パターンとスコア関数を比較した。結果は,OC-ACNNが,自己ACNN(OCなし,0.803)より,より大きな予測性能を提供し,そして,改良余弦(0.822)スコア関数が,他(0.819最高)より,より良い結果および安定性を有することを示した。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  評価 ,  予測 ,  高速道路 ,  *ニューラルネットワーク ,  *地滑り ,  認識 ,  モデル ,  チベット自治区
準シソーラス用語： ROC曲線 ,  隠れ層 ,  環境因子 ,  予測能力 ,  多重線形回帰 ,  スコア関数 , 【Automatic Indexing@JST】

著者キーワード (4件)： 地すべりの空間的予測 ,  注意モデル ,  機械学習 ,  四川省-チベット高速道路

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  自然災害  (RA02030M)

タイトルに関連する用語 (6件)： 地滑り ,  予測 ,  認知 ,  注意 ,  制約 ,  ニューラルネットワーク