文献

J-GLOBAL ID：201602217846481210   整理番号：16A0173964

共役勾配に基づく極端学習機械【Powered by NICT】

Extreme learning machine based on conjugate gradient

著者 (4件)： Zhang Peizhou (Coll. of Mathematics and Information Sci., Hebei University; Hebei Province Key Lab. of Machine Learning, Hebei, Baoding) ,  Wang Xizhao (Coll. of Mathematics and Information Sci., Hebei Univ., Hebei, Baoding) ,  Gu Di (School of Computer Sci. and Technol., Hebei Univ., Hebei, Baoding) ,  Zhao Shixin (Coll. of Management, Hebei Univ., Hebei, Baoding)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 35  号： 10  ページ： 2757-2760,2765  発行年： 2015年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  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： 極端学習機械(ELM)は,高速収束性と優れた汎化性能のために多くの分野で広く使用されている。しかし,訓練速度を遅くするまたは訓練試料の数は,いくつかのスケールに到達するとELMは誤差が生じる。共役勾配アルゴリズムは一般化された逆の代わりにELMモデルに導入した。実験結果は,同じ一般化精度の条件の下で,共役勾配ベースELMはELM行列変換によるより速い学習速度を持つことを示した。共役勾配ベースELMは隠れ層出力行列の一般化逆行列を計算する必要がないので,最も一般化された逆計算の行列特異値分解(SVD),高次行列の低効率に依存する。共役勾配アルゴリズムが有限ステップ反復を通して解を発見できることが証明されているので,共役勾配ベースELMアルゴリズムがより高速な訓練速度を持ち,大容量データを処理するにも適していた。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 特異値分解 ,  高速度 ,  ステップ ,  汎化 ,  *共役 ,  逆行列
準シソーラス用語： 隠れ層 ,  学習速度 ,  訓練 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 共役 ,  勾配 ,  極端学習機械