文献
J-GLOBAL ID:201602261672142100   整理番号:16A0508569

インクリメンタルメタ-認知-ベースの足場ファジィニューラルネットワーク

An incremental meta-cognitive-based scaffolding fuzzy neural network
著者 (5件):
資料名:
巻: 171  ページ: 89-105  発行年: 2016年01月01日 
JST資料番号: W0360A  ISSN: 0925-2312  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
メタ-認知学習のアイデアは,人間学習の基本的な3側面:学ぶもの,学ぶ方法,学ぶ時,を模倣するという理由から,発生系の景観を豊かにした。しかし,現存のメタ-認知アルゴリズムは未だに,プラグアンドプレイ分類器を実現できる足場理論を除外する。その結果,これらアルゴリズムは主な訓練プロセスに加えて,面倒な事前及び/または事後訓練プロセスの実行を要求する。本論文はGENERIC分類器(gClass)と称する革新的メタ-認知アルゴリズムを紹介した。そこでは学ぶ方法の部分が足場理論-複雑な学習タスクの選別能力を育む個人指導理論,とスキーマ理論-人間による知識獲得の学習理論,のシナジーを構成する。学ぶもの側面は拡大衝突・無知方式に基づいてオンライン能動学習概念を採用し,gClassをインクリメンタル半教師つき分類器にする。他方,学ぶ時成分は標準サンプル保存戦略を用いる。Takagi-Sugeo Kang(TSK)ファジィシステムの一般化バージョンは,認知成分として役立つように設計された。つまり,規則前提は多変量Gauss関数により支持され,他方で規則帰結は非線形Chevyshev多項式の部分集合を採用する。対応する統計検定により確認された,実証的研究を通じ,gClassの効率-最先端分類器よりも複雑性が小さいながらもより良好な分類比率を付与する,を数値的に検証した。Copyright 2016 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
人工知能  ,  論理代数 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る