文献

J-GLOBAL ID：201702226331198536   整理番号：17A1778793

微分進化を用いた動径基底関数ネットワークの完全なアーキテクチャの自動構成【Powered by NICT】

Automatic construction of the complete architecture of a radial basis function network using differential evolution

著者 (2件)： Tovias-Alanis Samuel Omar (CINVESTAV-IPN, Unidad Tamaulipas, Ciudad Victoria, Mexico) ,  Gomez-Flores Wilfrido (CINVESTAV-IPN, Unidad Tamaulipas, Ciudad Victoria, Mexico)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCE  ページ： 1-6  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： 動径基底関数ネットワーク(RBFN)の訓練においては,特徴選択と分類器設計は分離過程で通常二タスクである。前者は入力ノードの数に関連したが,後者は隠れ層の設計と関連している。そこで本論文では,微分進化(DE)に基づくRBFN,入力と隠れ層のノードを調整を同時に訓練するためのアルゴリズムを提案した。提案アプローチでは,網羅的アルゴリズム,最良のネットワークを見出すために,RBFNのすべての可能な構造を生成すると比較した。実験は分類のための10種の実世界データセットを考察した。結果は,提案手法が同等またはより良いネットワークアーキテクチャの分類率と複雑性に関して包括的訓練アルゴリズムよりも機能することを示唆した。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： 学習アルゴリズム ,  *ネットワーク ,  *計算機アーキテクチャ ,  ネットワークアーキテクチャ ,  *動径基底関数ネットワーク ,  特徴選択 ,  アルゴリズム
準シソーラス用語： 複雑性 ,  隠れ層 ,  *微分進化 , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 微分進化 ,  動径基底関数ネットワーク ,  アーキテクチャ