文献

J-GLOBAL ID：201702272628209975   整理番号：17A0197060

限界学習機械に基づく分類アルゴリズムと故障認識への応用【JST・京大機械翻訳】

Classification algorithm based on extreme learning machine and its application in fault identification of Tennessee Eastman process

著者 (4件)： Qiu Rihui (State Key Laboratory of Industrial Control Technology,Zhejiang University) ,  Liu Kangling (State Key Laboratory of Industrial Control Technology,Zhejiang University) ,  Tan Hailong (State Key Laboratory of Industrial Control Technology,Zhejiang University) ,  Liang Jun (State Key Laboratory of Industrial Control Technology,Zhejiang University)
資料名： Zhejiang Daxue Xuebao. Gongxue Ban  (Zhejiang Daxue Xuebao. Gongxue Ban)
巻： 50  号： 10  ページ： 1965-1972  発行年： 2016年 
JST資料番号： W1536A  ISSN： 1008-973X  CODEN： ZDXGFS  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 限界分類機械(ELM)分類器の構造特徴を利用して、マルチ分類タスク向けのELM分類器を再設計し、ELMに基づく最適化分類アルゴリズムONE-CLASS-PCA-ELMを提案した。このアルゴリズムの実現過程は以下の通りである。主成分分析(PCA)を用いて,データの次元を低減し,雑音と冗長情報を除去した。訓練データを集按類に分割し,対応する単一分類モデルを確立し,ONE-CLASS-PCA-ELM分類モデルを統合した。分類データをONE-CLASS-PCA-ELM分類モデルに入力し、分類データのラベルを得て、分類を完成した。シミュレーション結果は,提案したアルゴリズムが高速学習速度を維持することができ,高い分類精度とより良い分類安定性を有することを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 構造特性 ,  *アルゴリズム ,  主成分分析 ,  *故障 ,  シミュレーション ,  再設計 ,  雑音 ,  高速度 ,  最適化 ,  *学習機械
準シソーラス用語： 分類精度 ,  学習速度 ,  分類モデル ,  訓練データ ,  *分類アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： extreme learning machine(ELM) ,  one-class ,  classification algorithm ,  fault identification

分類 (3件)： 人工知能  (JE08000Z) ,  レーダ  (ND13010H) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 限界 ,  学習機械 ,  分類アルゴリズム ,  故障 ,  応用