文献

J-GLOBAL ID：202202286188909395   整理番号：22A0559985

時系列センサデータの実時間分類のための1Dおよび2D畳込みニューラルネットワークの性能比較【JST・京大機械翻訳】

Performance Comparison of 1D and 2D Convolutional Neural Networks for Real-Time Classification of Time Series Sensor Data

著者 (3件)： Shahid Syed Maaz (University of Ulsan,Department of Electrical, Electronic, and Computer Engineering,Ulsan,South Korea,44610) ,  Ko Sunghoon (Hyundai Heavy Industries Co. ltd,Ulsan,South Korea,44032) ,  Kwon Sungoh (University of Ulsan,Department of Electrical, Electronic, and Computer Engineering,Ulsan,South Korea,44610)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICOIN  ページ： 507-511  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： 二次元(2D)畳込みニューラルネットワーク(CNN)を,入力データからの特徴抽出のCNNの能力による機械故障診断のために実行した。二次元画像データがはるかに強力な情報表現であるので,一次元(1D)信号を二次元(2D)データに変換した。しかし,2D CNNの計算複雑度は,多くの段階における2D操作のために高く,より高い訓練性能を達成するためにより多くのデータを必要とする。1D CNNは1D信号を直接利用するために実装され,計算量を低減し,実時間分類を可能にする。本論文では,時系列センサデータのマルチクラス分類のための1D CNNと2D CNNの性能を比較した。本研究で考慮した各CNNのアーキテクチャは,単一畳込み層と1つの完全接続層を持つ。実際の測定データをモデルの訓練と試験に用いた。センサ信号から抽出した1D信号を2D CNNの入力のために2Dデータアレイに変換した。両CNNの分類精度と時間複雑性を与えられたデータセットに対して評価した。シミュレーションにより,両方のCNNは時系列データを高精度で分類し,ほぼ同じ分類性能を達成することを示した。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： *畳込み ,  特徴抽出 ,  計算量 ,  *二次元 ,  *一次元 ,  計算機アーキテクチャ
準シソーラス用語： 時系列データ ,  性能比較 ,  複雑性 ,  分類精度 ,  高精度 ,  実時間 ,  二次元画像 ,  センサデータ ,  *畳込みニューラルネットワーク , 【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 (8件)： 時系列 ,  センサデータ ,  実時間 ,  分類 ,  1D ,  2D ,  畳込みニューラルネットワーク ,  性能比較