검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Shift Quality Classifier Using Deep Neural Networks on Small Data with Dropout and Semi-Supervised Learning 드롭아웃 및 반지도 학습을 통해 소규모 데이터에 심층 신경망을 사용하는 교대 품질 분류기

Takefumi KAWAKAMI, Takanori IDE, Kunihito HOKI, Masakazu MURAMATSU

  • 조회수

    0

  • 이것을 인용

요약 :

본 논문에서는 시계열 측정 데이터로부터 변속 품질을 평가하기 위해 심층 신경망을 사용하는 CSQ-SDL이라는 최근 제안된 방법에 기계 학습의 두 가지 방법인 드롭아웃과 준지도 학습을 적용합니다. 새로운 자동변속기(AT)를 개발할 때, 구경 측정 전 세계 모든 도로에서 발생하는 모든 상황에서 쾌적한 운전 경험을 실현하기 위해 AT의 많은 매개변수를 조정하는 과정이 진행됩니다. 교정을 위해서는 매개변수가 변경될 때마다 전문가가 실험의 시계열 측정 데이터에서 이동 품질을 시각적으로 평가해야 하며 이는 반복적이고 시간이 많이 소요됩니다. CSQ-SDL은 시각적 평가에 소요되는 시간을 단축하기 위해 개발되었으며, 그 효과는 충분한 수의 데이터 포인트를 획득하는 데 달려 있습니다. 그러나 실제로는 데이터 양이 부족한 경우가 많습니다. 여기서 제안하는 방법은 이러한 경우를 처리할 수 있습니다. 라벨링된 데이터 포인트 수가 적은 경우에는 드롭아웃을 사용하는 방법을 제안합니다. 레이블이 있는 데이터 포인트의 개수는 적지만 레이블이 지정되지 않은 데이터의 개수가 충분한 경우에는 준지도 학습(semi-supervised learning)을 사용하는 방법을 제안합니다. 실험에 따르면 전자는 중간 수준의 성능 향상을 제공하는 반면 후자는 상당한 성능 향상을 제공하는 것으로 나타났습니다.

발행
IEICE TRANSACTIONS on Information Vol.E106-D No.12 pp.2078-2084
발행일
2023/12/01
공개일
2023/09/05
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2023EDP7033
원고의 종류
PAPER
범주
패턴 인식

작성자

Takefumi KAWAKAMI
  AISIN CORPORATION
Takanori IDE
  AISIN CORPORATION
Kunihito HOKI
  The University of Electro-Communications
Masakazu MURAMATSU
  The University of Electro-Communications

키워드