抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
極端な学習機械(ELM)は,一般化単一隠れ層フィードフォワードネットワーク(SLFNs)のための学習アルゴリズムである。適切なネットワークアーキテクチャを得るために,インクレメンタルな学習機械(I-ELM)は,隠れノードを1つずつ加えることによって,SLFNsを構築する一種のELMである。I-ELM-クラスアルゴリズムの種類は,収束速度を改良するか,最小トレーニング誤差を得るために提案されたが,それらは,I-ELMの構築方法を変化させず,過剰適合リスクに直面した。試験誤差を迅速に安定して収束させることは重要な課題になる。本論文において,著者らは,新しいインクリメンタルELMを提案し,それは,Length-Changable Intraction Extreme Learning Machine(LCI-ELM)と呼ばれる。それにより,1つの隠れノードがネットワークに追加され,既存のネットワークが出力重み調整における全体とみなされる。新たに付加された隠れノードの出力重みを,部分的誤差最小化法を用いて決定した。著者らは,LCI-ELMを用いて構築したSLFNが,一般的コンパクト入力集合と有限トレーニングセットに関する近似能力を有することを証明した。実験結果により,LCI-ELMは,いくつかの競合的なI-ELM-クラスアルゴリズムよりも,より高い収束速度とより低いオーバーフィッティングリスクを達成することを実証した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】
