文献

J-GLOBAL ID：201502287841894150   整理番号：15A0375379

直交変換に基づく最も経済的な正則化極端学習機械

Parsimonious regularized extreme learning machine based on orthogonal transformation

著者 (3件)： ZHAO Yong-Ping (School of Mechanical Engineering, Nanjing Univ. of Sci. and Technol., Nanjing 210094, CHN) ,  WANG Kang-Kang (School of Mechanical Engineering, Nanjing Univ. of Sci. and Technol., Nanjing 210094, CHN) ,  LI Ye-Bo (AVIC Aeroengine Control Res. Inst., Wuxi 214063, CHN)
資料名： Neurocomputing  (Neurocomputing)
巻： 156  ページ： 280-296  発行年： 2015年05月25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： 最近,極度学習機械(ELM)をスパースにするために2つの最も経済的なアルゴリズム,すなわち建設的な最も経済的ELM(CP-ELM)と,破壊的な最も経済的ELM(DP-ELM)が提案された。本論文では,CP-ELMとDP-ELMの背後にあるアイデアを正則化ELM(RELM)に拡張し,CP-RELMとDP-RELMを得た。CP-RELM(DP-RELM)に対し,それを実現するために2つの方策,すなわちCP-RELM-IとCP-RELM-II(DP-RELM-IとDP-RELM-II)がある。一般的にいえば,CP-RELM-II(DP-RELM-II)はCP-RELM-I(DP-RELM-I)を極度の経済的観点で凌ぐ。ほぼ同じ一般化の下でCP-ELM(DP-ELM)と比べたところ,CP-RELM-II(DP-RELM-II)はたいていより少ない隠れノードを必要とする。また,CP-ELMやDP-ELMと異なり,CP-RELMとDP-RELMに対する候補隠れノード数は訓練サンプル数よりも大きくなるかもしれず,それはよりコンパクトなネットワークを構築するためのずっとよい隠れノードの選択を支援する。さらに,2つのグループに分割された11のベンチマークデータ集合を実験するために用い,提案アルゴリズムの有用性を報告した。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： 学習機械 ,  *学習アルゴリズム ,  *ニューラルネットワーク ,  正則化 ,  直交変換 ,  ネットワーク構造 ,  節点 ,  評価試験 ,  ベンチマーク ,  計算機アルゴリズム
準シソーラス用語： *極端学習機械 ,  *フィードフォワードニューラルネットワーク

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 直交変換 ,  経済 ,  正則化 ,  極端学習機械