Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

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 Pengelas Kualiti Shift Menggunakan Rangkaian Neural Dalam pada Data Kecil dengan Pembelajaran Tercicir dan Separa Terselia

Takefumi KAWAKAMI, Takanori IDE, Kunihito HOKI, Masakazu MURAMATSU

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Dalam kertas kerja ini, kami menggunakan dua kaedah dalam pembelajaran mesin, pembelajaran tercicir dan separa diselia, kepada kaedah yang dicadangkan baru-baru ini dipanggil CSQ-SDL yang menggunakan rangkaian saraf dalam untuk menilai kualiti anjakan daripada data pengukuran siri masa. Apabila membangunkan Transmisi Automatik (AT) baharu, penentukuran berlaku di mana banyak parameter AT dilaraskan untuk merealisasikan pengalaman pemanduan yang menyenangkan dalam semua situasi yang berlaku di semua jalan di seluruh dunia. Penentukuran memerlukan pakar untuk menilai secara visual kualiti anjakan daripada data pengukuran siri masa bagi eksperimen setiap kali parameter ditukar, yang berulang dan memakan masa. CSQ-SDL telah dibangunkan untuk memendekkan masa yang digunakan oleh penilaian visual, dan keberkesanannya bergantung pada memperoleh bilangan titik data yang mencukupi. Walau bagaimanapun, dalam amalan, jumlah data selalunya tidak mencukupi. Kaedah yang dicadangkan di sini boleh mengendalikan kes sedemikian. Untuk kes di mana hanya sebilangan kecil titik data berlabel tersedia, kami mencadangkan kaedah yang menggunakan keciciran. Bagi kes di mana bilangan titik data berlabel adalah kecil tetapi bilangan data tidak berlabel adalah mencukupi, kami mencadangkan kaedah yang menggunakan pembelajaran separa penyeliaan. Eksperimen menunjukkan bahawa walaupun yang pertama memberikan peningkatan sederhana, yang terakhir menawarkan peningkatan prestasi yang ketara.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E106-D No.12 pp.2078-2084
Tarikh penerbitan
2023/12/01
Diumumkan
2023/09/05
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2023EDP7033
Jenis Manuskrip
PAPER
kategori
Pengiktirafan Corak

Pengarang

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

Kata kunci

Contents [show]