| Item type |
Journal(1) |
| 公開日 |
2021-02-15 |
| タイトル |
|
|
タイトル |
極値分割とDynamic Time Warpingによるデータ類似度評価手法 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
A Method of Data Similarity Evaluation Using Dynamic Time Warping with Partition by Peaks |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
[特集：ネットワークサービスと分散処理] 類似度，区間分割，Dynamic Time Warping，極値 |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_6501 |
|
資源タイプ |
journal article |
| ID登録 |
|
|
ID登録 |
10.20729/00209323 |
|
ID登録タイプ |
JaLC |
| 著者所属 |
|
|
|
三菱電機株式会社情報技術総合研究所／公立はこだて未来大学 |
| 著者所属 |
|
|
|
公立はこだて未来大学 |
| 著者所属 |
|
|
|
公立はこだて未来大学 |
| 著者所属(英) |
|
|
|
en |
|
|
Information Technology R&D Center, Mitsubishi Electric Corporation / Future University Hakodate |
| 著者所属(英) |
|
|
|
en |
|
|
Future University Hakodate |
| 著者所属(英) |
|
|
|
en |
|
|
Future University Hakodate |
| 著者名 |
森, 郁海
中村, 嘉隆
稲村, 浩
|
| 著者名(英) |
Ikumi, Mori
Yoshitaka, Nakamura
Hiroshi, Inamura
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
データの発生源と消費先が近傍である場合，エッジ機器上でAIを利用するユースケースが考えられる．しかしながら，エッジ機器上でAIのための学習も行う際は，クラウドコンピューティングと異なりデータの収集範囲が限られるため，訓練データ不足が深刻な問題となる．本稿では，このような訓練データ不足に対し，収集済みの類似データを学習に流用するためのデータ類似度評価手法を提案する．提案する類似度評価手法は，データの類似度を，データの特徴量に基づき求めるデータ分布の形状に着目し計算する．データ分布の類似度計算において，データ分布の形状が平行移動（シフト）したり，伸縮したり，相似形であったりする場合でも類似度が高くなるように，類似度評価区間を極値で分割し，区間ごとにDynamic Time Warping距離を求め，各距離を結合することで類似度を得る．画像認識でのユースケースを想定した評価環境下では，データ分布の形状にシフトや伸縮，相似形が存在するデータ分布の比較においても，類似画像を抽出可能であり，さらに，ユーザによる調整が必要なパラメータが不要であることを確認した． |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
There are many use cases for using AI on edge devices in case of the data source and the consumer are very close. However, lack of training data is a serious problem because the range of data collection of edge devices is limited. In this paper, we propose a method of data similarity evaluation using Dynamic Time Warping (DTW) with partition by Peaks for diverting training data that had already collected at other domains. The proposed method partitions the data similarity evaluation interval by peaks of feature data distribution and calculates DTW distance for each partition to evaluate similarity in order to cope with peak shifts and similar in peak shape of feature data distribution. And then the similarity between data distributions is calculated by combining each distance with pre-defined weights. In evaluation assuming the use case of image recognition, we confirmed that the proposed method can extracts similar images from source image set even if peak shifts and similar in peak shape exist when comparing feature data. In addition, we also confirmed that the proposed method does not require any parameters that have to be adjusted by the user under this evaluation. |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN00116647 |
| 書誌情報 |
情報処理学会論文誌
巻 62,
号 2,
p. 497-507,
発行日 2021-02-15
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
1882-7764 |
IPSJ-JNL6202017.pdf (3.2 MB)
