@article{oai:ipsj.ixsq.nii.ac.jp:00199732,
 author = {小向, 航平 and 水谷, 伸 and 岸野, 泰恵 and 柳沢, 豊 and 白井, 良成 and 須山, 敬之 and 大村, 廉 and 澤田, 宏 and 納谷, 太 and Kohei, Komukai and Shin, Mizutani and Yasue, Kishino and Yutaka, Yanagisawa and Yoshinari, Shirai and Takayuki, Suyama and Ren, Ohmura and Hiroshi, Sawada and Futoshi, Naya},
 issue = {10},
 journal = {情報処理学会論文誌},
 month = {Oct},
 note = {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．しかし，データをそのままの形でセンサノード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，センサノード側で特徴抽出を行いセンタ側で分類を行う分散認識アーキテクチャが考案された．しかし，従来の分散認識アーキテクチャの多くではセンタ側にセンサデータを保持できないため，分類器の変更や更新が困難であるという問題があった．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を使用し，分類に使用可能な圧縮データ（特徴量）を得るとともに，そのデータを用いて元のデータ（センサデータ）の復元を可能とする通信方式の提案を行う．本論文では，提案手法の実装と調査を行い，圧縮されたデータが高い認識精度と元データの再現性能を達成し，再現されたデータを用いて分類器の再構築が可能であることを確認した．, In recent years, sensor networks, high-bit rate data such as image and sound can be aggregated. However, these kind of data require large band width and high computational power at the center. Thus, distributed recognition architecture has been proposed. In the architecture, sensor nodes transmit extracted features and transmit it to the center classifies received data from sensor nodes. However, the most of conventional architecture has a problem that we cannot update classifier because we cannot obtain observed data in the center. In this research, we propose a new communication system that can achieve data compression and classification of sensor data simultaneously by using AutoEncoder and classifier, respectively. In the proposed communication system observed sensor data are compressed to able to reconstruct for classifier update in the center. In this paper, we described implementation and evaluation of the proposed method and verified that the proposed method can update classifier while achieving low reconstruction error and high recognition accuracy.},
 pages = {1780--1795},
 title = {分類器の継続更新可能な分散認識センサネットワークのためのオートエンコーダによる通信方式},
 volume = {60},
 year = {2019}
}