文献

J-GLOBAL ID：201602276933394669   整理番号：16A0768536

適応部分列クラスタリングと事例研究のための時間的自己組織化ニューラルネットワーク【Powered by NICT】

A temporal self-organizing neural network for adaptive sub-sequence clustering and case studies

著者 (5件)： Wang Dong (Colledge of Computer Science and Electronics Engineering, Hunan University, Changsha, China) ,  Long Yanfang (Colledge of Computer Science and Electronics Engineering, Hunan University, Changsha, China) ,  Xiao Zhu (Colledge of Computer Science and Electronics Engineering, Hunan University, Changsha, China) ,  Xiang Zhiyang (Colledge of Computer Science and Electronics Engineering, Hunan University, Changsha, China) ,  Chen Wenjie (Business college, Central South University of Forestry and Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CITS  ページ： 1-5  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 時間的Kohonenマップ(TKM)および再発性自己組織化マップ(RSOM)のような時間的ニューラルネットワークは,それらの増分および明示的学習能力のための良く知られている。しかし,準系列クラスタリングのためのTKMとRSOMは分類メンバーシップであるかを決定することが困難である多くのフラグメントを生成する可能性がある。さらにそれらは独立して各変数に関する歴史的ニューロン活動をモデル化するため,多変量時系列処理における安定性の問題を有していた。欠点を克服するために,単層自己組織化漸増的ニューラルネットワーク(SOINN)に基づく適応準系列クラスタリング手法を提案する。TKMとRSOMにおけるベクトルのスカラーとして各ニューロン活性化の量子化をモデル化するために提案した再帰フィルタ。TKMとRSOMの分断されたクラスタは平滑化クラスタリング結果で置換した,適応クラスタリングのための単層SOINNと統合した。実験は,二つのデータセット,すなわち開放Caltransパフォーマンス測定システムからの交通流データセットとKDDカップ99侵入検知データセットの一部について行った。実験結果は,提案した方法は,それぞれ二データセット上で21.3%と9.1%だけ従来法を凌ぐことを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 自己組織化特徴マップ ,  *自己組織化 ,  ベクトル ,  再帰フィルタ ,  *ニューラルネットワーク ,  計測システム ,  スカラー ,  *クラスタ化 ,  *クラスタ ,  交通流 ,  モデリング ,  *事例研究 ,  平滑化
準シソーラス用語： 侵入検知 ,  データセット , 【Automatic Indexing@JST】

分類 (3件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 適応 ,  クラスタリング ,  研究 ,  自己組織化 ,  ニューラルネットワーク