文献

J-GLOBAL ID：202202282889623825   整理番号：22A0157228

電子鼻ドリフト補償のための極端学習機械に基づく部分空間アラインメント【JST・京大機械翻訳】

Subspace alignment based on an extreme learning machine for electronic nose drift compensation

著者 (9件)： Yan Jia (College of Artificial Intelligence, Southwest University, Chongqing 400715, China) ,  Yan Jia (Key Laboratory of Luminescence Analysis and Molecular Sensing (Southwest University), Ministry of Education, Chongqing 400715, China) ,  Chen Feiyue (College of Electronic and Information Engineering, Southwest University, Chongqing 400715, China) ,  Liu Tao (School of Microelectronics and Communication Engineering, Chongqing University, Chongqing 400044, China) ,  Zhang Yuelin (WESTA College, Southwest University, Chongqing 400715, China) ,  Peng Xiaoyan (College of Artificial Intelligence, Southwest University, Chongqing 400715, China) ,  Peng Xiaoyan (Key Laboratory of Luminescence Analysis and Molecular Sensing (Southwest University), Ministry of Education, Chongqing 400715, China) ,  Yi Danhong (College of Artificial Intelligence, Southwest University, Chongqing 400715, China) ,  Duan Shukai (College of Artificial Intelligence, Southwest University, Chongqing 400715, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 235  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  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： ガスセンサによるドリフトは,常に電子鼻(E-ノーズ)システムの開発におけるボトルネックである。従来のドリフト補償法は,ドリフト成分を直接補正し,そのようなアプローチを時間がかかり,面倒なものにする。E-ノーズドリフト補償の分野で,交差ドメイン適応学習は効率的技術である。本論文では,統一極端学習機械(ELM)ベース特徴表現空間を構築し,従ってドメインアラインメントを実現するための多重基準を考慮した新しい部分空間アラインメント極端学習機械(SAELM)を提案した。最初に,この方法は異なるドメイン間の幾何学的および統計的分布の両方を最小化する。第2に,特徴とラベル間の依存性をHilbert-Schmidt独立基準(HSIC)を用いて強化し,ドリフトによって引き起こされた2つの間の対応のぼけを軽減する。第3に,部分空間学習法の特徴抽出能力を改善するために,l2,1ノルムを,ELMの出力重みを制約するために利用した。この方法の狙いは,ドメイン間の一貫性を増すためのロバストな部分空間を学習し,両ドメインの固有情報を保存しながら,ソースドメインの特徴ラベル依存性を強化することである。センサドリフトデータに関する広範な実験を行い,提案したSAELM法は,E-ノーズドリフトデータセットの最大の改善をもたらした。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： *アラインメント ,  *学習機械 ,  特徴抽出 ,  *ドリフト ,  多重化 ,  センサ ,  ガスセンサ ,  ロバスト性 ,  ノルム
準シソーラス用語： 統計分布 ,  適応学習 ,  *部分空間 ,  電子鼻 ,  特徴表現 ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (5件)： 電子鼻 ,  ドリフト補償 ,  ドメイン適応 ,  部分空間アラインメント ,  極限学習機械

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 電子鼻 ,  ドリフト ,  補償 ,  極端学習機械 ,  アラインメント