文献

J-GLOBAL ID：201702225767894497   整理番号：17A1024758

LASSOを用いた多層パーセプトロンニューラルネットワークのための変数選択法の設計と応用【Powered by NICT】

Design and Application of a Variable Selection Method for Multilayer Perceptron Neural Network With LASSO

著者 (4件)： Sun Kai (Department of Automation, Qilu University of Technology, Jinan, China) ,  Huang Shao-Hsuan (Department of Chemical Engineering, National Tsing Hua University, Hsinchu, Taiwan) ,  Wong David Shan-Hill (Department of Chemical Engineering, National Tsing Hua University, Hsinchu, Taiwan) ,  Jang Shi-Shang (Department of Chemical Engineering, National Tsing Hua University, Hsinchu, Taiwan)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 6  ページ： 1386-1396  発行年： 2017年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： 本論文では,非線形工業プロセスを記述するのに利用できるニューラルネットワークのための新しい変数選択法を開発した。提案の手法では,逐次二段階アプローチである。最初に,多層パーセプトロンを構築した。第二に,最小絶対収縮及び選択演算子である収縮パラメータは交差検証法を用いて決定したモデルに真に必須であることを入力変数を選択するために紹介した。入力重みは零変数は,データセットから除去される。モデル精度の改善はなくなるまでアルゴリズムを繰り返した。原油蒸留装置における工業的応用と同様にシミュレーション例を用いて,提案したアルゴリズムを検証した。結果は,提案手法がより圧縮されたモデル,他の既存の方法よりも高レベル予測の精度を組み込んだを構築するために使用できることを示した。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： シミュレーション ,  *ニューラルネットワーク ,  アルゴリズム ,  予測 ,  *多層パーセプトロン ,  原油 ,  交差検証法 ,  蒸留装置
準シソーラス用語： モデル精度 ,  工業プロセス ,  *変数選択 ,  *多層パーセプトロンニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 多層パーセプトロンニューラルネットワーク ,  変数選択 ,  設計 ,  応用