| 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 | 2021-02-12 15:10 非対称カーネル関数を用いた時系列データに対するカーネル密度推定の適用 ○深井 颯・山崎啓介・本村陽一（産総研）  AI2020-33 |
|
| 抄録 | （和） | 標本データから母集団の確率密度を推定する手法として，カーネル関数を用いたカーネル密度推定法がよく用いられる．しかし本手法で用いられるカーネル関数には主に対称性を持つものが採用されており，データの特性を十分に反映できない懸念がある．特に時系列データでは，事象発生の前後において対称に確率密度が存在しているとは限らない．そこで本研究では，いくつかの非対称性を持つカーネル関数を提案し，それらを車両の走行データに適用・可視化することにより，非対称性を持つカーネル関数の有用性を示す． |
| （英） | This study proposes several asymmetric kernel functions and their availability of applying to time series data. The kernel density estimation is often used to calculate probability density of the parent population from the sample data. Especially in time series data, probability densities at before and after the event are not always symmetric. But the kernel functions applied in this approach are mostly symmetric and may not reflect the features of the data enough. In this study, asymmetric kernel functions are applied to the travel data of vehicles and the result shows the availability of applying asymmetric kernel functions to time series data. | |
| キーワード | （和） | カーネル密度推定 / 可視化 / KDE / 時系列 / カーネル関数 / 自動車 / / |
| （英） | Kernel Density Estimation / Visualization / KDE / time series / kernel function / Automobile / / | |
| 文献情報 | 信学技報, vol. 120, no. 362, AI2020-33, pp. 56-59, 2021年2月. | |
| 資料番号 | AI2020-33 | |
| 発行日 | 2021-02-05 (AI) | |
| ISSN | 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 | AI2020-33 |
|
| 研究会情報 | |
| 研究会 | AI |
| 開催期間 | 2021-02-12 - 2021-02-12 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 「データ市場特集VII：生活防災とコミュニティ・デザイン」および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | AI |
| 会議コード | 2021-02-AI |
| 本文の言語 | 日本語 |
| タイトル（和） | 非対称カーネル関数を用いた時系列データに対するカーネル密度推定の適用 |
| サブタイトル（和） | |
| タイトル（英） | Applying kernel density estimation to time series data using asymmetric kernel function |
| サブタイトル（英） | |
| キーワード(1)（和/英） | カーネル密度推定 / Kernel Density Estimation |
| キーワード(2)（和/英） | 可視化 / Visualization |
| キーワード(3)（和/英） | KDE / KDE |
| キーワード(4)（和/英） | 時系列 / time series |
| キーワード(5)（和/英） | カーネル関数 / kernel function |
| キーワード(6)（和/英） | 自動車 / Automobile |
| 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） | 深井 颯 / So Fukai / フカイ ソウ |
| 第1著者 所属（和/英） | 国立研究開発法人産業技術総合研究所 (略称： 産総研) National Institute of Advanced Industrial Science and Technology (略称： AIST) |
| 第2著者 氏名（和/英/ヨミ） | 山崎 啓介 / Keisuke Yamazaki / ヤマザキ ケイスケ |
| 第2著者 所属（和/英） | 国立研究開発法人産業技術総合研究所 (略称： 産総研) National Institute of Advanced Industrial Science and Technology (略称： AIST) |
| 第3著者 氏名（和/英/ヨミ） | 本村 陽一 / Yoichi Motomura / モトムラ ヨウイチ |
| 第3著者 所属（和/英） | 国立研究開発法人産業技術総合研究所 (略称： 産総研) National Institute of Advanced Industrial Science and Technology (略称： AIST) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-02-12 15:10:00 |
| 発表時間 | 20分 |
| 申込先研究会 | AI |
| 資料番号 | AI2020-33 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.362 |
| ページ範囲 | pp.56-59 |
| ページ数 | 4 |
| 発行日 | 2021-02-05 (AI) |
[研究会発表申込システムのトップページに戻る]