文献

J-GLOBAL ID：201702226477231018   整理番号：17A1641686

訓練カテゴリー動径基底関数ネットワークのための高速で効率的な方法【Powered by NICT】

A Fast and Efficient Method for Training Categorical Radial Basis Function Networks

著者 (4件)： Alexandridis Alex (Department of Electronic Engineering, Technological Educational Institute of Athens, Aigaleo, Greece) ,  Chondrodima Eva (Department of Electronic Engineering, Technological Educational Institute of Athens, Aigaleo, Greece) ,  Giannopoulos Nikolaos (Department of Electronic Engineering, Technological Educational Institute of Athens, Aigaleo, Greece) ,  Sarimveis Haralambos (School of Chemical Engineering, National Technical University of Athens, Zografou, Greece)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 11  ページ： 2831-2836  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： は動径基底関数(RBF)ネットワークに基づくカテゴリーデータのための新しい学習法を提案した。提案されたアプローチは,RBF中心として知られている数値ベクトルに代わるカテゴリータプル中心であり,中心と入力タプル間の距離を計算するための特別に設計された対策を採用した。さらに,高速非反復カテゴリークラスタリングアルゴリズムはカテゴリー中心選択含むRBFトレーニングの第1段階を達成するために提案したが,量は線形回帰により計算した。法は22カテゴリーデータセットに適用し,いくつかの異なる学習方式と比較した,ニューラルネットワーク,サポートベクトルマシン,ナイーブBayes分類器およびディシジョンツリーを含んでいた。結果は,提案した方法が非常に競争力があり,テストした大部分の場合の予測能力の観点からそのライバルに優れていることを示した。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： ニューラルネットワーク ,  学習 ,  *動径基底関数ネットワーク ,  *動径基底関数 ,  サポートベクトルマシン ,  *ネットワーク ,  *高速度 ,  ディシジョンツリー ,  ベクトル
準シソーラス用語： 予測能力 ,  Bayes分類器 ,  線形回帰 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 訓練 ,  カテゴリー ,  動径基底関数ネットワーク