文献

J-GLOBAL ID：201302230204571597   整理番号：13A0509945

ラフ集合および類似性伝播クラスタ化アルゴリズムに基づく最適化動径基底関数ニューラルネットワーク

Optimizing radial basis function neural network based on rough sets and affinity propagation clustering algorithm

著者 (4件)： Xu Xinzheng (School of Computer Sci. and Technol., China Univ. of Mining and Technol., Xuzhou) ,  Ding Shifei (School of Computer Sci. and Technol., China Univ. of Mining and Technol. Key Lab. of Intelligent Information ...) ,  Shi Zhongzhi (Inst. of Computing Technol., Chinese Acad. of Sciences Key Lab. of Intelligent Information Processing, Chinese Acad. ...) ,  Zhu Hong (School of Computer Sci. and Technol., China Univ. of Mining and Technol., Xuzhou)
資料名： Journal of Zhejiang University - Science C. Computers & Electronics  (Journal of Zhejiang University - Science C. Computers & Electronics)
巻： 13  号： 2  ページ： 131-138  発行年： 2012年 
JST資料番号： W2285A  ISSN： 1869-1951  CODEN： JZUSCO  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： 英語 (EN)

抄録/ポイント： ラフ集合(RS)および類似性伝播(AP)クラスタ化アルゴリズムに基づく新規方法を放射状基礎機能ニューラルネットワーク(RBFNN)を最適化するために開発した。第1に,RBFNNの前処理プログラムとしてRS理論に基づく特質縮小(AR)を,データセットのノイズおよび不要な特質を除くために示したが,一方でRBFNNのインプット層においてニューロンの数を決定した。第2に,クラスタの数について演繹的知識なしで中心およびそれらの幅を調査するために,APクラスタ化アルゴリズムを提案した。これらのパラメータを,RBF機能の中心および幅としてRBFNNのRBFユニットへと移動した。次に,隠れた層およびアウトプット層を結合する重量をRBFユニットおよび望ましいアウトプットのアウトプットによって最小自乗法(LSM)を使用して,検討して調節した。実験結果は,提案した方法がRBFNNに関して従来の方法よりも強大な一般化性能を持つことを示した。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *ニューラルネットワーク ,  アルゴリズム ,  ラフ集合 ,  類似性 ,  プリプロセッサ ,  集合 ,  出力 ,  ニューロン ,  最小二乗法 ,  入力 ,  パラメータ
準シソーラス用語： *動径基底関数ニューラルネットワーク ,  前処理プログラム ,  データセット ,  アウトプット ,  最小自乗法 ,  インプット ,  実験結果

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (7件)： ラフ集合 ,  類似性 ,  伝播 ,  クラスタ化 ,  アルゴリズム ,  最適化 ,  動径基底関数ニューラルネットワーク