大規模官能検査データを用いた深層オートエンコーダにおける復元精度の検討

カテゴリ: 全国大会

論文No: 3-087

グループ名: 【全国大会】令和3年電気学会全国大会論文集

発行日: 2021/03/01

タイトル(英語): Study of Reconstructed Accuracy in Deep Autoencoder using Large-Scale Sensory Test

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|オートエンコーダ|官能検査試験|匂い|機械学習|Deep Learning|Autoencoder|Sensory Data|Odor|Machine Learning

要約(日本語): 人間が近くした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の獲得にコストが掛かる。そのため、嗅覚分野における研究では1985年に報告された官能評価試験結果が多く用いられている。しかし、この評価試験結果は記述子数が多くデータの信頼性は高いが、データ数は少ない。近年の機械学習の影響により、学習データの増加は嗅覚分野の研究への発展の助けになると考える。そこで、本研究では機械学習を用いて、嗅覚分野での官能検査データの大規模化による影響を検討するべく、規模の大きなDREAM データセットを用いて

原稿種別: 日本語

PDFファイルサイズ: 421 Kバイト