WEKO3
-
RootNode
アイテム
オートエンコーダによるデータ圧縮と分類器のラベル追加を両立したセンサネットワークモデル
https://ipsj.ixsq.nii.ac.jp/records/193649
https://ipsj.ixsq.nii.ac.jp/records/19364957550977-2770-48d2-99e1-9c536fc9a7d5
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-DICOMO2018222.pdf (2.0 MB)
|
Copyright (c) 2018 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | Symposium(1) | |||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2018-06-27 | |||||||||||||||||||||||
| タイトル | ||||||||||||||||||||||||
| タイトル | オートエンコーダによるデータ圧縮と分類器のラベル追加を両立したセンサネットワークモデル | |||||||||||||||||||||||
| 言語 | ||||||||||||||||||||||||
| 言語 | jpn | |||||||||||||||||||||||
| キーワード | ||||||||||||||||||||||||
| 主題Scheme | Other | |||||||||||||||||||||||
| 主題 | エッジコンピューティング | |||||||||||||||||||||||
| 資源タイプ | ||||||||||||||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_5794 | |||||||||||||||||||||||
| 資源タイプ | conference paper | |||||||||||||||||||||||
| 著者所属 | ||||||||||||||||||||||||
| 豊橋技術科学大学大学院 | ||||||||||||||||||||||||
| 著者所属 | ||||||||||||||||||||||||
| 日本電信電話株式会社 コミュニケーション科学基礎研究所 | ||||||||||||||||||||||||
| 著者所属 | ||||||||||||||||||||||||
| 日本電信電話株式会社 コミュニケーション科学基礎研究所 | ||||||||||||||||||||||||
| 著者所属 | ||||||||||||||||||||||||
| 日本電信電話株式会社 コミュニケーション科学基礎研究所 | ||||||||||||||||||||||||
| 著者所属 | ||||||||||||||||||||||||
| 日本電信電話株式会社 コミュニケーション科学基礎研究所 | ||||||||||||||||||||||||
| 著者所属 | ||||||||||||||||||||||||
| 日本電信電話株式会社 コミュニケーション科学基礎研究所 | ||||||||||||||||||||||||
| 著者所属 | ||||||||||||||||||||||||
| 豊橋技術科学大学 | ||||||||||||||||||||||||
| 著者所属 | ||||||||||||||||||||||||
| 日本電信電話株式会社 コミュニケーション科学基礎研究所 | ||||||||||||||||||||||||
| 著者所属 | ||||||||||||||||||||||||
| 日本電信電話株式会社 コミュニケーション科学基礎研究所 | ||||||||||||||||||||||||
| 著者名 |
小向, 航平
× 小向, 航平
× 水谷, 伸
× 岸野, 泰恵
× 柳沢, 豊
× 白井, 良成
× 須山, 敬之
× 大村, 廉
× 澤田, 宏
× 納谷, 太
|
|||||||||||||||||||||||
| 論文抄録 | ||||||||||||||||||||||||
| 内容記述タイプ | Other | |||||||||||||||||||||||
| 内容記述 | 近年，画像や音声などの高精度のセンサデータの獲得が容易となり，センサネットワークにおいてもこのような高ビットレートのデータを扱うようになってきたが，単純にこれらのデータをセンサからセンタへ送信すると通信量が増大してしまい，通信帯域の圧迫やセンタでの処理負荷の増大が問題となってきている．そこで，センサネットワークの通信量を減らすために，センサ側に分類器やイベント検出器を備え，分類ラベルやイベントが生起したときのみ通信を行うことが考えられてきた．しかし，このような手法では，センタ側にセンサ観測データを保持できないため，分類ラベルの変更や更新が行えない．そこで，本研究では，ニューラルネットワークの一種である AutoEncoder (AE) を使用し，通信データの圧縮を行いつつ圧縮データから分類を行う手法を提案する．本論文では，提案手法の実装と調査を行い，単純に AE を使用した場合のベースライン手法と再現精度，分類精度が同等であることを示した． | |||||||||||||||||||||||
| 書誌情報 |
マルチメディア，分散協調とモバイルシンポジウム2018論文集 巻 2018, p. 1507-1516, 発行日 2018-06-27 |
|||||||||||||||||||||||
| 出版者 | ||||||||||||||||||||||||
| 言語 | ja | |||||||||||||||||||||||
| 出版者 | 情報処理学会 | |||||||||||||||||||||||
