お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2018-01-19 13:55
Generative Adversarial Networkによる生体データの自動生成とディープラーニング学習サンプルへの適用
高畑達也東京工科大)・堀江和正筑波大)・秋月百合熊本大)・生野壮一郎東京工科大MoNA2017-55
抄録 (和) ディープラーニングは,高い学習性能・認識性能をもつ一方,学習用のサンプルデータを大量に必要とする.一方で体温や体調などの個人生体データをディープラーニング用のサンプルとして大量にかつ短期間に収集することは困難であるため,初期段階においてのディープラーニング学習及び学習結果からのデータ解析は不安定であると云える.本研究では,データの自動生成技術であるGenerativeAdversarial Network (GAN) を用いて生体データサンプルを生成し,ディープラーニング学習サンプルとして適用・学習を行い,学習結果から的確なデータ解析が可能であるかを検証する. 
(英) While deep learning has high learning performance and recognition performance, it requires a large amount of sample data for learning. However, it takes time to collect daily personal biological data such as body temperature. Therefore, it is difficult to adopt the biological data as learning data of the deep learning at the early stage of collection.

In the present study, the virtual learning data for the deep learning are generated by Generative Adversarial Network (GAN) using data at the early stage of collection. Additionally, the generated data are adopted for learning data of the deep learning.
キーワード (和) ディープラーニング / GAN / データ解析 / 生体データ / 自動生成 / / /  
(英) Deep Learning / GAN / Data Analysis / Biological Data / Automatically Generated / / /  
文献情報 信学技報, vol. 117, no. 390, MoNA2017-55, pp. 79-82, 2018年1月.
資料番号 MoNA2017-55 
発行日 2018-01-11 (MoNA) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード MoNA2017-55

研究会情報
研究会 MoNA  
開催期間 2018-01-18 - 2018-01-19 
開催地(和) キャンパスプラザ京都(京都市下京区) 
開催地(英) Campus Plaza Kyoto 
テーマ(和) モバイルネットワーク、機械学習応用、モバイルデータ活用、および一般 
テーマ(英) Mobile Network, Application of Machine Learning, Mobile Data, etc. 
講演論文情報の詳細
申込み研究会 MoNA 
会議コード 2018-01-MoNA 
本文の言語 日本語 
タイトル(和) Generative Adversarial Networkによる生体データの自動生成とディープラーニング学習サンプルへの適用 
サブタイトル(和)  
タイトル(英) Automatic biometric data generation by Generative Adversarial Network and its application to deep learning sample 
サブタイトル(英)  
キーワード(1)(和/英) ディープラーニング / Deep Learning  
キーワード(2)(和/英) GAN / GAN  
キーワード(3)(和/英) データ解析 / Data Analysis  
キーワード(4)(和/英) 生体データ / Biological Data  
キーワード(5)(和/英) 自動生成 / Automatically Generated  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 高畑 達也 / Tatsuya Takahata / タカハタ タツヤ
第1著者 所属(和/英) 東京工科大学 (略称: 東京工科大)
Tokyo University of Technology (略称: Tokyo University of Technology)
第2著者 氏名(和/英/ヨミ) 堀江 和正 / Kazumasa Horie / ホリエ カズマサ
第2著者 所属(和/英) 筑波大学 (略称: 筑波大)
University of Tsukuba (略称: University of Tsukuba)
第3著者 氏名(和/英/ヨミ) 秋月 百合 / Yuri Akizuki / アキヅキ ユリ
第3著者 所属(和/英) 熊本大学 (略称: 熊本大)
Kumamoto University (略称: Kumamoto Univ.)
第4著者 氏名(和/英/ヨミ) 生野 壮一郎 / Soichiro Ikuno / イクノ ソウイチロウ
第4著者 所属(和/英) 東京工科大学 (略称: 東京工科大)
Tokyo University of Technology (略称: Tokyo University of Technology)
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2018-01-19 13:55:00 
発表時間 25 
申込先研究会 MoNA 
資料番号 IEICE-MoNA2017-55 
巻番号(vol) IEICE-117 
号番号(no) no.390 
ページ範囲 pp.79-82 
ページ数 IEICE-4 
発行日 IEICE-MoNA-2018-01-11 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会