文献

J-GLOBAL ID：201702260527902884   整理番号：17A0117604

パターン分類のための自己適応微分進化を用いたフィードフォワードニューラルネットワークの最適化【Powered by NICT】

Feed forward neural network optimization using self adaptive differential evolution for pattern classification

著者 (2件)： Bhatia Shivani (Department of Computer Science, University School of Information Technology, Guru Gobind Singh Indraprastha University, New Delhi, India) ,  Vishwakarma Virendra P. (Department of Computer Science University School of Information Technology, Guru Gobind Singh Indraprastha University, New Delhi, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： RTEICT  ページ： 184-188  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： 本論文では,良好な自己適応および汎化能力を有する多層パーセプトロンフィードフォワードニューラルネットワーク(MPFNN)を紹介した。ネットワークは主に分類と同様に回帰に基づく複雑な問題を解くために用いた。最も一般的には,バックプロパゲーション(BP)アルゴリズムをMPFNN,局所最小値,過剰適合と収束不良の問題に苦しんでいるを訓練するために使用した。前述の問題を克服するために,自己適応微分アルゴリズムを用いて,提案したアプローチにおけるMPFNNの重みとバイアスを最適化することである。大域的探索の微分進化(DE)の性質は,重みの最適値を見つけるために使用されている。突然変異因子とクロスオーバー速度は異なる発生相の探索能力を維持するために自己適応DE(SDE)で調整した。SDEとMPFFNNの訓練は,遺伝的アルゴリズム(GA)とDEとMPFFNNの訓練と比較して良好な結果を与えた。実験,すなわち,虹彩,ガラス,ワインおよび電離層のUCIデータセット上で行った。Copyright 2017 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： ぶどう酒 ,  バイアス ,  *最適化 ,  遺伝的アルゴリズム ,  逆伝搬法 ,  汎化 ,  アルゴリズム ,  突然変異 ,  多層パーセプトロン ,  *微分 ,  *ネットワーク ,  *パターン分類
準シソーラス用語： *フィードフォワードニューラルネットワーク ,  *微分進化 ,  *自己適応 , 【Automatic Indexing@JST】

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： パターン分類 ,  自己適応 ,  微分進化 ,  フィードフォワードニューラルネットワーク ,  最適化