〇劉海龍, 谷口忠大, 坂東誉司, 竹中一仁, 田中雄介, 深層学習を用いた運転行動からの本質的潜在時系列情報の抽出, 第32回日本ロボット学会学術講演会 (RSJ2014), RSJ2014AC3I3-01, (2014.9.4-6 @福岡)

发布日期：Jul 13, 2014 7:25:44 AM

Abstract:

近年，自動車産業と情報技術の発展により，自動車には多種類のセンサが取り付けられるようになった．計測されるセンサ情報の多くは，本質的には同じ情報や，部分的に重複した情報を表現していると考えられる．本稿ではDSAEによって自動車運転行動から潜在時系列情報を抽出する際に，冗長な情報が入力された場合の挙動について実データに基づく数値実験を通して検討を行った．実験を通して，冗長な情報が入力された場合でも，DSAEは冗長な情報によって撹乱されることなく，運転行動を表現できる潜在時系列情報を抽出出来る事が分かった．これは，DSAEをフィルターとして用いれば，冗長なセンサデータをいくら入力してもよいということを示しており，自動車運転行動を分析する際の特徴量フィルタとしてDSAEの有用性が高いことを示している．

(訂正: 原稿中の手法説明部分に「denoising deep sparse autoencoder」を使用したことを記述した。しかし、作ったプログラムは乱数を設定するミスのため、denoising部分を実行していなっかた。本稿の実験結果はdeep sparse autoencoderによる結果を認識ください。)