文献

J-GLOBAL ID：201602287892899669   整理番号：16A0322217

改良ハイブリッドインクリメンタルな極端学習機械アルゴリズム【Powered by NICT】

Improved hybrid incremental extreme learning machine algorithm

著者 (5件)： Wang Chao (Coll. of Information Sci. and Engineering,Northeastern Univ., Shenyang) ,  Wang Jianhui (Coll. of Information Sci. and Engineering,Northeastern Univ., Shenyang) ,  Gu Shusheng (Coll. of Information Sci. and Engineering,Northeastern Univ., Shenyang) ,  Zhang Yuxian (School of Electrical Engineering,Shenyang Univ. of Technol., Shenyang) ,  Wu Wei (Coll. of Information Sci. and Engineering,Northeastern Univ., Shenyang)
資料名： Kongzhi yu Juece  (Kongzhi yu Juece)
巻： 30  号： 11  ページ： 1981-1986  発行年： 2015年 
JST資料番号： C2107A  ISSN： 1001-0920  CODEN： KYJUEF  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： インクリメンタルな極端学習機械(I-ELM)における冗長なノードはない反復増加をもたらすと学習効率を低下させるという問題に焦点を当て,デルタテスト(DT)とカオス最適化アルゴリズム(COA)に基づく改良IELMアルゴリズムを提案した。COAは全体検索能力によるIELMの隠れ層ニューロンパラメータを最適化するために使用すると,有効隠れ層ニューロン数を決定するためのモデルの出力誤差を検定したDTアルゴリズムと結合した。学習効率は,ネットワークの複雑さを減少させることにより改良し,カーネルを用いたDCI ELMはネットワークのオンライン予測能力を高めることができる。シミュレーションは,よりコンパクトなネットワーク構造を持つDCI ELMKアルゴリズムは,他のアルゴリズムと比較して汎化の高い予測精度とより良い能力を持つことを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 汎化 ,  最適化 ,  カオス ,  ニューロン ,  *アルゴリズム ,  ネットワーク構造 ,  ネットワーク
準シソーラス用語： 予測精度 ,  予測能力 ,  オンライン ,  隠れ層 ,  最適アルゴリズム ,  学習効率 , 【Automatic Indexing@JST】

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (2件)： 極端学習機械 ,  アルゴリズム