文献

J-GLOBAL ID：201202201191866021   整理番号：12A1570819

溶鉱炉自動化のためのマルチカーネル学習の枠組みの構築

Constructing Multiple Kernel Learning Framework for Blast Furnace Automation

著者 (4件)： JIAN Ling (China Univ. Petroleum, Qingdao, CHN) ,  JIAN Ling (Dalian Univ. Technol., Dalian, CHN) ,  GAO Chuanhou (Zhejiang Univ., Hangzhou, CHN) ,  XIA Zhonghang (Western Kentucky Univ., KY, USA)
資料名： IEEE Transactions on Automation Science and Engineering  (IEEE Transactions on Automation Science and Engineering)
巻： 9  号： 4  ページ： 763-777  発行年： 2012年10月 
JST資料番号： W1406A  ISSN： 1545-5955  CODEN： ITASC7  資料種別： 逐次刊行物 (A)
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： 溶鉱炉加熱金属内の珪素量とその変動の予測を目的として,単一カーネル写像を用いた特徴空間での教師あり最適なパターン非線形識別学習法である拡張サポートベクタマシン(SVM)に対して,複数の特徴空間写像を用いるマルチカーネル学習のための再生核ヒルベルト空間(RKHS)による枠組みを論じる。サポートベクタマシンの2タイプである,識別のためのサポートベクタマシン(C-SVM)と最小二乗サポートベクタマシン(LS-SVM)に対する最適識別のための評価関数とマルチカーネル学習のアルゴリズムを示した。溶鉱炉の入出力信号に基づくマルチカーネル学習による非線形システムのモデル化と,サポートベクタマシンのタイプと種々のカーネル関数を用いた識別学習の実験例を示し,単一カーネルに比しマルチカーネル学習の有効性を実証した。

シソーラス用語： *溶鉱炉 ,  自動化 ,  *機械学習 ,  サポートベクトルマシン ,  Hilbert空間 ,  二次計画法
準シソーラス用語： *マルチカーネル学習

分類 (1件)： 製銑  (WD01050P)

タイトルに関連する用語 (5件)： 溶鉱炉 ,  自動化 ,  マルチカーネル学習 ,  枠組み ,  構築