文献

J-GLOBAL ID：201602274314491209   整理番号：16A1028909

画像時系列の時空間解析に基づく作物収量推定のためのニューラルネットワークのスパイキング【Powered by NICT】

Spiking Neural Networks for Crop Yield Estimation Based on Spatiotemporal Analysis of Image Time Series

著者 (4件)： Bose Pritam (Department of Information Engineering and Computer Science, University of Trento, Trento, Italy) ,  Kasabov Nikola K. (Knowledge Engineering and Discovery Research Institute, Auckland University of Technology, Auckland, New Zealand) ,  Bruzzone Lorenzo (Remote Sensing Laboratory, Department of Information Engineering and Computer Science, University of Trento, Trento, Italy) ,  Hartono Reggio N. (Knowledge Engineering and Discovery Research Institute, Auckland University of Technology, Auckland, New Zealand)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 54  号： 11  ページ： 6563-6573  発行年： 2016年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
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： 本論文では,画像時系列のリモートセンシング時空間解析のためのスパイキングニューラルネットワーク(SNN),高並列と低電力消費の神経形態学的ハードウェアプラットフォームの使用を可能にすることを示した。本論文では,正規化差植生指数画像時系列からの作物収量推定のための一SNN計算モデルを導入してこの概念を説明した。Moderate Resolution Imaging Spectroradiometer250m分解能データと歴史的な作物収量データの時系列の空間的蓄積を利用した作物収量のタイムリーな予測を行うためSNNを訓練する方法論的フレームワークの開発と試験を提示した。研究は,著者らの実験データセットからの結果を最適化するために必要な特徴の最適数の解析を含んでいる。提案されたアプローチは,山東省における冬コムギ(Triticum aestivumL.)の収率を推定し,中国の主要な冬コムギ栽培地域の一つに適用した。著者らの方法は非常に高精度で収穫前の約六週間収率を予測することができた。著者らの方法論は95.64%の平均精度を提供し,九特徴モデルに基づく0.236t/haの予測と0.801の相関係数の平均誤差であった。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： リモートセンシング ,  秋播コムギ ,  分解能 ,  正規化 ,  *作物収量 ,  相関係数 ,  最適化 ,  *ニューラルネットワーク ,  モルフォロジー ,  計算モデル
準シソーラス用語： 山東省 ,  植生指標 ,  スパイキングニューラルネットワーク ,  *時空間解析 ,  *時系列画像 , 【Automatic Indexing@JST】

分類 (3件)： リモートセンシング一般  (AD04000L) ,  パターン認識  (JE07000S) ,  自然地理学  (DF01000Z)

タイトルに関連する用語 (5件)： 画像時系列 ,  時空間解析 ,  作物収量 ,  推定 ,  ニューラルネットワーク