文献

J-GLOBAL ID：201702240040528384   整理番号：17A1284067

微分同胚最適化極端学習器による顔認識【JST・京大機械翻訳】

FACE RECOGNITION USING OPTIMIZED EXTREME LEARNING MACHINE BASED ON DIFFEOMORPHISM

著者 (3件)： Li Lina (遼寧師范大学計算机与信息技術学院 遼寧 大連 116081) ,  Yan Deqin (遼寧師范大学計算机与信息技術学院 遼寧 大連 116081) ,  Chu Yonghe (遼寧師范大学計算机与信息技術学院 遼寧 大連 116081)
資料名： Jisuanji Yingyong Yuruanjian  (Jisuanji Yingyong Yuruanjian)
巻： 34  号： 4  ページ： 169-177  発行年： 2017年 
JST資料番号： C2940A  ISSN： 1000-386X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 極端な学習機械(ELM)は,パターン認識の分野で広く用いられている高速で効率的で一般化された能力を持っていることが知られている。しかし、現在のELMとその改良アルゴリズムは隠れ層のノード出力行列が極端な学習機の汎化能力に与える影響を十分に考慮していない。実験結果により,活性化関数の選択が適切でなく,データの次元が高すぎると,隠れ層ノードの出力値がゼロになり,出力重み行列を解くことができなくなり,ELMの分類性能が低下することを示した。そのため、微分同胚最適化の極端な学習アルゴリズムを提案した。このアルゴリズムは次元縮小と微分同胚技術を結合して活性化関数のロバスト性を向上させ、隠れ層ノードの出力値がゼロになるという問題を克服する。提案したアルゴリズムの有効性を検証するために,顔データを用いて実験を行った。実験結果は,提案したアルゴリズムが良好な一般化性能を有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *微分 ,  学習アルゴリズム ,  *最適化 ,  次元縮小 ,  パターン認識 ,  汎化 ,  *学習 ,  ロバスト性 ,  高速度
準シソーラス用語： 活性化関数 ,  隠れ層 ,  極度学習機械 ,  *顔貌認識 , 【Automatic Indexing@JST】

著者キーワード (3件)： Extreme learning machine ,  Activation function ,  Diffeomorphism

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 微分 ,  胚 ,  最適化 ,  学習 ,  顔認識