板倉・斎藤擬距離を用いた深層学習による 匂い印象予測モデルの研究

カテゴリ: 研究会(論文単位)

論文No: CHS20004,BMS20004

グループ名: 【E】センサ・マイクロマシン部門 ケミカルセンサ/【E】センサ・マイクロマシン部門 バイオ・マイクロシステム合同研究会

発行日: 2020/03/19

タイトル(英語): Odor impression prediction using deep learning with Itakura-Saito divergence

著者名: 伊藤 慶祐(東京工業大学),中本 高道(東京工業大学)

著者名(英語): Keisuke Ito(Tokyo Institute of Technology),Takamichi Nakamoto(Tokyo Institute of Technology)

キーワード: 深層学習|マススペクトル|オートエンコーダ|匂い|板倉斎藤距離|Deep Learning|Mass Spectrum|Autoencoder|Odor|Itakura-Saito divergence

要約(日本語): 人間が感じる匂いの印象を記述子を用いて定量化を行う試験は、信頼性の高いデータを得るのにコストがかかる。先行研究では、化学物質のマススペクトルから匂いの印象へ写像を行い予測精度を検討した。また、前回の研究にて大規模なデータをオートエンコーダの訓練時に使用することで精度の向上が観察できた。そこで、本研究ではマススペクトルの広いダイナミックレンジを考慮し、板倉・斎藤擬距離を用いた匂い印象予測を検討した。

要約(英語): A test for quantifying the smell impression felt by humans using descriptors is expensive to obtain reliable data. In the previous studies, the prediction accuracy was examined by mapping from the mass spectrum of the chemical substance to the odor impression. In the before this study, improvement of accuracy could be observed by using large-scale data at the time of auto-encoder training. Therefore, in this study, we considered odor impression prediction using Itakura-Saito distance considering the wide dynamic range of mass spectrum.

原稿種別: 日本語

PDFファイルサイズ: 1,089 Kバイト