文献

J-GLOBAL ID：201702216533691550   整理番号：17A1257377

ノイズの多いデータでのエコー状態ネットワーク出力層分類法の比較【Powered by NICT】

Comparison of echo state network output layer classification methods on noisy data

著者 (1件)： Prater Ashley A. (Air Force Research Laboratory, Information Directorate, Rome, NY 13441)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 2644-2651  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 内部層はランダムな重みで固定されるエコー状態ネットワークは最近開発された型リカレントニューラルネットワークであり,唯一の出力層は,特定のデータ上で訓練される。エコー状態ネットワークは実世界の設定における空間-時間データ,音声認識,事象検出とロボット制御を処理するためにますます使用されている。エコー状態ネットワークの強さは出力層を訓練するために使用した簡単な方法 典型的に最小二乗法を用いて得られた線形読出し量の集合である。訓練と使い方低計算コストに直接的にもかかわらず,この方法は雑音のあるデータに許容できる精度特性を導くとは限らない。本研究では,雑音のあるデータの分類を行うために三エコー状態ネットワーク出力層法の性能を比較した:訓練された線形重みを用いた,スパース訓練された線形重みを用いた,貯留層状態の訓練された低ランク近似を用いた。法は,合成および天然データセットの両者の上で実験的に調べた。実験から,線形出力重みを訓練するために,正則化最小二乗を用いて低雑音データに優れていることを示唆しているが,低ランク近似を用いたより高い雑音レベルで汚染されたデータセットの精度を著しく改善する。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 正則化 ,  最小二乗法 ,  *雑音 ,  透視図法 ,  音声認識 ,  線形性 ,  雑音指数
準シソーラス用語： 低雑音 ,  貯留層 ,  計算コスト ,  ロボット制御 ,  イベント検出 ,  リカレントニューラルネットワーク ,  *分類法 ,  *エコー状態ネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ノイズ ,  エコー状態ネットワーク ,  分類法