文献

J-GLOBAL ID：201702235375415048   整理番号：17A1567998

高次元記号回帰のための遺伝的プログラミングの一般化を改善するための特徴選択【Powered by NICT】

Feature Selection to Improve Generalization of Genetic Programming for High-Dimensional Symbolic Regression

著者 (3件)： Chen Qi (Evolutionary Computation Research Group, School of Engineering and Computer Science, Victoria University of Wellington, Wellington, New Zealand) ,  Zhang Mengjie (Evolutionary Computation Research Group, School of Engineering and Computer Science, Victoria University of Wellington, Wellington, New Zealand) ,  Xue Bing (Evolutionary Computation Research Group, School of Engineering and Computer Science, Victoria University of Wellington, Wellington, New Zealand)
資料名： IEEE Transactions on Evolutionary Computation  (IEEE Transactions on Evolutionary Computation)
巻： 21  号： 5  ページ： 792-806  発行年： 2017年 
JST資料番号： W0968A  ISSN： 1089-778X  CODEN： ITEVF5  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： 記号的回帰(SR)のための高次元データから学習する場合,遺伝的プログラミング(GP)は,典型的には,一般化できなかった。データ前処理法として,特徴選択は学習アルゴリズムの効率を改善するための,汎化能力を向上させるだけでなく寄与する可能性がある。しかし,高次元SRのためのGP(遺伝的プログラミング)における,学習前に特徴選択はほとんど考慮されない。本論文では,GPを用いた高次元SRの特徴を選択するための置換に基づく新しい特徴選択法を提案した。一連の実験は,高次元SRのためのGPの一般化に関する提案した方法の性能を調べた。回帰結果は,調べた他の特徴選択法に対する提案法の優れた性能を確認した。更なる分析は,提案した方法により進化したモデルは真に適切な特徴のみを含み,より優れた解釈可能性を有する可能性が高いことを示した。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： *特徴選択 ,  汎化 ,  学習 ,  *高次元 ,  モデル ,  *遺伝的プログラミング ,  学習アルゴリズム
準シソーラス用語： 判断能力 ,  データ前処理 ,  高次元データ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 高次元 ,  記号 ,  遺伝的プログラミング ,  一般化 ,  特徴選択