文献

J-GLOBAL ID：201702220492339406   整理番号：17A1385753

リカレント区間値メタ認知足場ファジィニューラルネットワークに基づくデータ駆動モデリング【Powered by NICT】

Data driven modelling based on Recurrent Interval-Valued Metacognitive Scaffolding Fuzzy Neural Network

著者 (5件)： Pratama Mahardhika (La Trobe University, School of Engineering and Mathematical Sciences, Kingsbury Drive, Kingsbury 3083, Australia) ,  Lughofer Edwin (La Trobe University, School of Engineering and Mathematical Sciences, Kingsbury Drive, Kingsbury 3083, Australia) ,  Er Meng Joo (La Trobe University, School of Engineering and Mathematical Sciences, Kingsbury Drive, Kingsbury 3083, Australia) ,  Anavatti Sreenatha (La Trobe University, School of Engineering and Mathematical Sciences, Kingsbury Drive, Kingsbury 3083, Australia) ,  Lim Chee-Peng (La Trobe University, School of Engineering and Mathematical Sciences, Kingsbury Drive, Kingsbury 3083, Australia)
資料名： Neurocomputing  (Neurocomputing)
巻： 262  ページ： 4-27  発行年： 2017年 
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： 複雑なタスクを学習するために,学習者のメタ認知に学習,どのように学習,学習し,どのように,足場モデル理論教育理論の概念を組み合わせたメタ認知足場学習機械(McSLM)は加工非定常データストリームにおける進化的知的システム(EIS)の能力を増強するために開発することに成功した。三課題,すなわち不確実性,時間的挙動,未知システムの次数は,しかし,既存McSLMsによる未知と文献にあるすべてのMcSLMsは分類問題用に設計されている。本論文では,新しいMcSLM,リカレント区間値メタ認知足場ファジィニューラルネットワーク(RIVMcSFNN)と呼ばれ,データストリームからの回帰と時系列モデル化問題を解くための使用を提案した。RIVMcSFNNは認知構成,隠れ層とその結果としての層の両方で二重局所リカレント結合を特徴とするとしての新しいリカレントネットワークアーキテクチャを提案した。新しいリカレントネットワークアーキテクチャは,隠れノードの区間値多変量Gauss関数とその結果としてのノードにおける非線形ウェーブレット関数により駆動される。前任者と同様に,RIVMcSFNNはプルーン,自動的に成長できるが,開放構造を特性化し,調整し,融合,その隠れノードを想起とオンライン能動学習法を用いてフライに関連したデータサンプルを選択することができる。RIVMcSFNNは次元の呪いに対処するためにオンライン次元縮小技術を備えている。全ての学習機構は単一パスと局所学習モードで行い,プラグ・アンド・プレイ学習原理,前および/または訓練後段階の使用を最小化することを目的とした,を実現。アルゴリズムの有効性は,多くのデータ駆動モデル化問題点とその対応物との包括的な比較を用いて試験した。RIVMcSFNNはMcSLMsとEISsの既存変異株に対する精度と複雑性のかなりの改善を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： アルゴリズム ,  キャラクタリゼーション ,  次元縮小 ,  *モデリング ,  *再帰性 ,  学習 ,  学習機械 ,  *ファジィニューラルネットワーク ,  不確実性
準シソーラス用語： 能動学習 ,  オンライン ,  データストリーム ,  *データ駆動 ,  *メタ認知 , 【Automatic Indexing@JST】

著者キーワード (5件)： ファジィニューラルネットワーク ,  タイプ2ファジィシステム ,  オンライン学習 ,  メタ認知学習 ,  進化するファジィシステム

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： リカレント ,  メタ認知 ,  足場 ,  ファジィニューラルネットワーク ,  データ駆動 ,  モデリング