文献

J-GLOBAL ID：201702251101257807   整理番号：17A0214015

縦続接続スパースオートエンコーダと確率的勾配降下を用いた深い回帰モデルの構築【Powered by NICT】

Constructing a Deep Regression Model Utilizing Cascaded Sparse Autoencoders and Stochastic Gradient Descent

著者 (2件)： Moussavi-Khalkhali Arezou ,  Jamshidi Mo
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICMLA  ページ： 559-564  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,実数値時系列データを予測するために建築回帰モデルのためのスパースオートエンコーダを用いた検討した。本研究の焦点は,積層オートエンコーダによる連続データの決定的特徴から利用し,学習,回帰法の予測精度を増加した。スパースオートエンコーダの異なる層,オートエンコーダの各レベルは,標準(典型的な)法に基づいて訓練を含むアーキテクチャを実装し,解析した。オートエンコーダ訓練の典型的なモデルの精度を向上させるために,低及び高レベル特徴の融合から利益を得るカスケードモデルを提案した。目的は,車両交通流予測を改善することである,この地域は日常生活に影響を与えることが進行中の研究分野である。深いアーキテクチャの上部レベルでのSGDアルゴリズムは回帰法として役立つ。評価はミネアポリスのTwin Cities大都市域のいくつかの場所の歴史的交通データを用いて重要なハイウェイの位置の交通流を予測するための適用アルゴリズムの精度と正確度に基づいている。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： 交通流 ,  *回帰モデル ,  都市域 ,  実数 ,  計算機アーキテクチャ ,  アルゴリズム ,  *縦続接続
準シソーラス用語： 交通データ ,  日常生活 ,  カスケードモデル ,  予測精度 ,  積層 ,  時系列データ , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 縦続接続 ,  確率 ,  勾配 ,  降下 ,  回帰モデル ,  構築