※一部利用できない機能があります
| 1.
図書 |
図書
|
原田達也著
|
||||||
| 2.
図書 |
図書
|
荒木雅弘著
|
||||||
| 3.
図書 |
図書
|
大堀隆文, 木下正博, 西川孝二共著
|
||||||
| 4.
図書 |
図書
|
金森敬文著
|
||||||
| 5.
図書 |
図書
|
竹内一郎, 烏山昌幸著
|
||||||
| 6.
図書 |
|
杉山将著 ; 講談社サイエンティフィク編集
|
||||||
| 7.
図書 |
図書
|
荒木雅弘著
|
||||||
| 8.
図書 |
|
金谷健一著
|
||||||
| 9.
図書 |
|
米谷竜, 斎藤英雄編著
|
||||||
| 10.
図書 |
|
梅村祥之著
|
||||||
| 11.
図書 |
|
安田恒著
|
||||||
| 12.
図書 |
|
片岡駿 [ほか] 著
|
||||||
| 13.
図書 |
|
栗田多喜夫, 日高章理共著
|
||||||
| 14.
図書 |
|
平栗裕規 [ほか] 編集
|
||||||
| 15.
図書 |
図書
|
脇森浩志, 杉山雅和, 羽生貴史著
|
||||||
| 16.
図書 |
図書
|
高橋佑幸著
|
||||||
| 17.
図書 |
図書
|
井手剛著
|
||||||
| 18.
図書 |
|
杉山将著
|
||||||
| 19.
図書 |
図書
|
岩田具治著
|
||||||
| 20.
図書 |
|
海野裕也 [ほか] 著
|
||||||
| 21.
図書 |
|
Jan Erik Solem著 ; 相川愛三訳
|
||||||
| 22.
図書 |
|
鈴木昇一著
|
||||||
| 23.
図書 |
|
鈴木昇一著
|
||||||
| 24.
図書 |
図書
|
Sean Owen [ほか] 著 ; 伊東直子 [ほか] 訳
|
||||||
| 25.
図書 |
図書
|
Trevor Hastie, Robert Tibshirani, Jerome Friedman著 ; 井尻善久[ほか]訳
|
||||||
| 26.
図書 |
図書
|
C. M. ビショップ著
|
||||||
| 27.
図書 |
|
荒木雅弘著
|
||||||
| 28.
図書 |
図書
|
日本自動認識システム協会編
|
||||||
| 29.
図書 |
|
佐藤真一, 齋藤淳著
|
||||||
| 30.
図書 |
図書
|
阿部重夫著
|
||||||
| 31.
図書 |
図書
|
John Shawe-Taylor, Nello Cristianini著 ; 大北剛訳
|
||||||
| 32.
図書 |
図書
|
田村希志臣著
|
||||||
| 33.
図書 |
図書
|
杉山将著
|
||||||
| 34.
図書 |
|
酒井幸市著
|
||||||
| 35.
図書 |
図書
|
小野田崇著 ; 人工知能学会編集
|
||||||
| 36.
図書 |
図書
|
マーク・ロッキー著 ; 森泉亮子訳
|
||||||
| 37.
図書 |
図書
|
日本自動認識システム協会編
|
||||||
| 38.
図書 |
図書
|
Richard O.Duda, Peter E.Hart, David G.Stork著 ; 尾上守夫監訳
|
||||||
| 39.
図書 |
図書
|
麻生英樹, 津田宏治, 村田昇 [著]
|
||||||
| 40.
図書 |
|
電気学会不完全不確実情報利用技術調査専門委員会編
|
||||||
| 41.
図書 |
図書
|
大崎紘一 [ほか] 著
|
||||||
| 42.
図書 |
|
出口光一郎著
|
||||||
| 43.
図書 |
|
金谷健一, 菅谷保之, 金澤靖共著
|
||||||
| 44.
図書 |
|
浅川伸一著
|
||||||
| 45.
図書 |
図書
|
越後富夫 [ほか] 共著
|
||||||
| 46.
図書 |
図書
|
金谷健一著
|
||||||
| 47.
論文 |
論文
|
秋元, 陽介 ; 後藤, 由貴 ; 笠原, 禎也 ; 佐藤, 亨
概要:
金沢大学総合メディア基盤センター<br />論文では,科学衛星「あけぼの」で取得したブラズマ波動の電磁界強度データを用いて,他の衛星観測にも応用できる汎用的なプラズマ波動現象の種別分類アルゴリズムを提案する。まず,入が波動の種別分類を行う際
…
に用いる様々な指標を特徴量として数値化し,求めた特徴量にクラスタ分析を適用することでサンプルデータから代表的な波動現象(代表分類)を作成するアルゴリズムを提案する。その際にクラスタ分析における計算時間の増大を抑制するため,取得されるデータの特性を生かして,分類精度を下げずに計算時間を短縮する手法を考案した。次に,情報量基準(AIC)を用いた評価関数により,客観的に波動の代表分類数を決定した。また,得られた代表分類に対して全観測データの当てはめを行うために,ベイズ識別方式を導入し,サンブルデータに用いなかった観測データについても波動現象の識別ができることを示した。最後に,どの代表分類にも属さない例外的な観測データの検出法を提案し,実際にこのアルゴリズムで検出できる例外データの事例を示した。これにより,従来の人手による解析法では抽出が難しかった特異な観測データを自動抽出できることか示された。
続きを見る
|
||||||
| 48.
論文 |
論文
|
井上, 裕介 ; 有馬, 直秀 ; 橘, 吉宏 ; 近田, 康夫 ; Chikata, Yasuo
概要:
金沢大学理工研究域地球社会基盤学系
|
||||||
| 49.
論文 |
論文
|
深山, 正幸 ; Miyama, Masayuki
概要:
本研究の目的は汎用で高精度な画像認識アルゴリズムを考案し、これに基づく実時間SOCプロセッサを開発し、性能を実証することである。このSOCは汎用CPUとアフィン動き分割回路から構成される。左右一組のステレオ画像を入力すると動き分割回路が物体
…
に対応する領域を抽出する。CPUは分割で得た勾配画像モーメントを特徴量としてSVMによるクラス分類を行う。そして次の時間の画像を入力し、動き分割回路がアフィン動きモデル推定により物体を追跡する。本SOCによる画像認識は車両検出・追跡を初め、幅広く応用できる。試作したSOCの面積は4.1mm角、最大周波数は94MHz、スループットはVGA91fpsであった。<br />This study proposes a novel image recognition algorithm for general purpose with high accuracy. We also develop an SOC based on this algorithm with real-time performance. The SOC consists of a general purpose CPU and a processor dedicated to affine motion segmentation. The processor divides an image into regions corresponding to objects captured in stereo images. The processor calculates gradient image moment to estimate a parallax between regions of an identical object in the left and right images. The CPU classifies objects with SVM (Support Vector Machine). The SVM uses the image gradient moment again as an image feature for recognition. Then the motion segmentation processor tracks objects with affine motion model estimation using an image of the next time. Image recogniton by the SOC is applicable to many applications such as vehicle detection and tracking. The chip area of the SOC is 4.1 mm square. The operating frequency is 94 MHz. The processing throughput is VGA 91 fps.<br />研究課題/領域番号:22560325, 研究期間(年度):2010-04-01 - 2013-03-31
続きを見る
|
||||||
| 50.
論文 |
論文
|
笠原, 禎也 ; Kasahara, Yoshiya
概要:
金沢大学学術メディア創成センター<br />宇宙プラズマ環境の衛星観測や理論・シミュレーションによるモデリングなど種々の研究がすすめられているが、従来の磁気圏観測は衛星を現場に送り込み、「その場(in situ)」を直接計測する形態が主で、
…
磁気圏全体の巨視的な変動の把握が困難であった。本申請課題では、申請者らによって提案された確率差分方程式に基づく「柔軟な」モデルを用い、自然電波の特性からプラズマ圏の電子密度分布を求めるリモートセンシング法を研究・開発した。本研究課題2年目(最終年度)に当たる今年度は、下記の項目について研究を進め、以下の成果を得た。(1)雷起源の自然電波であるホイスラー波の自動検出アルゴリズムの開発テンプレートマッチング法の導入により、ホイスラー波の分散値を高速かつ高精度に推定する手法を開発した。さらに、ノンダクト伝搬・マルチパス伝搬の効果によって、一次近似表現できないホイスラスペクトルも、高速走査法を導入することで定量化することに成功した。(2)あけぼの実観測データに対する応用あけぼの広帯域受信器のデータに開発アルゴリズムを適用し、一軌道に渡るホイスラ波の分散値の空間変化特性を明らかにした。さらに前述の提案アルゴリズムが、十分に衛星上でリアルタイム処理可能な計算量であることも示した。(3)ホイスラの分散値から電子密度の空間分布を求めるアルゴリズムの検討計算機シミュレーションによって、プラズマ圏内を伝搬するホイスラ波の分散値から、プラズマ圏内の電子密度の空間分布が一意に決定できることを証明した。さらにあけぼの衛星の実観測データを使って、数例について実際に電子密度の空間分布推定を行なった。<br />研究課題/領域番号:15760298, 研究期間(年度):2003 – 2004<br />出典：「自然電波を利用した地球近傍プラズマ空間のグローバルセンシング法の開発」研究成果報告書 課題番号15760298（KAKEN：科学研究費助成事業データベース（国立情報学研究所））（https://kaken.nii.ac.jp/ja/grant/KAKENHI-PROJECT-15760298/)を加工して作成
続きを見る
|
