文献

J-GLOBAL ID：201702240527963698   整理番号：17A1389513

オンライン学習のためのインクリメンタルなラプラシアン正則化エクストリーム学習機械【Powered by NICT】

Incremental laplacian regularization extreme learning machine for online learning

著者 (6件)： Yang Lixia (Department of Electrical Engineering, Xidian University, Xi’an, 710071, China) ,  Yang Lixia (School of Mathematics and Statics, NingXia University, Yinchuan, 750021, China) ,  Yang Shuyuan (Department of Electrical Engineering, Xidian University, Xi’an, 710071, China) ,  Li Sujing (Department of Electrical Engineering, Xidian University, Xi’an, 710071, China) ,  Liu Zhi (Department of Electrical Engineering, Xidian University, Xi’an, 710071, China) ,  Jiao Licheng (Department of Electrical Engineering, Xidian University, Xi’an, 710071, China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 59  ページ： 546-555  発行年： 2017年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 過去10年間,インターネット,バイオメトリクス,リモートセンシングと他の分野におけるデータストリームの爆発的な成長に直面している。データはチャンクによるチャンクをするとき多くの教師付きインクリメンタル/オンライン学習アプローチを開発し,再訓練を回避し,計算の複雑さを低減した。しかし,ラベル付きサンプルは限られている場合,これらの方法には満足できる性能を得ることができない。本論文では,半教師つきオンライン学習のためのインクリメンタルなラプラシアン正則化極端学習機械(ILR ELM)を提案し,ラベルおよび非ラベルサンプル両者を利用した。ほとんどの既存の半教師つきインクリメンタル/オンライン学習アルゴリズムのとは異なり,この論文では,ラベル付きおよびラベル無しサンプルの両者を含むデータチャンクのための増分/オンライン学習機構を提案するだけでなくだけでなく,非標識試料を含むデータチャンクのための増分/オンライン学習機構を提案した。は連続的に到着するデータストリームのための試料を標識するために十分な時間を通常ではないので,後者の場合は,実際の応用ではより一般的である。二増分/オンライン学習機構のILR ELMの代替解析解も提示した。ILR ELMの性能を三つのベンチマーク機械学習データで評価し,その結果は,少数のラベル付きデータの正確でロバストな分類/回帰近く達成でき,インクリメンタル/オンライン学習法を凌ぐことを示した。教師つき学習および比較半教師つきインクリメンタル/オンライン学習法と比較して,ILR ELMの一般化精度は,分類問題のためのそれぞれ約9%と2%増加した。回帰問題に対して,ILR ELMの汎化誤差が教師付きインクリメンタル/オンライン学習法よりも約14%減少し,さらに,ILR ELMは,半教師つきインクリメンタル/オンライン学習法を比較しより1%は,半教師つきバッチ学習に匹敵する予測を達成し,より少ない時間とランダムアクセスメモリ(RAM)を利用することができる。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *正則化 ,  ベンチマーク ,  リモートセンシング ,  *学習機械 ,  機械学習 ,  アルゴリズム ,  インターネット ,  ロバスト性 ,  *Laplace演算子 ,  *学習 ,  解析的解法 ,  教師つき学習 ,  計算量
準シソーラス用語： データストリーム ,  *オンライン学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： キーワード極端学習機械 ,  グラフラプラシアン ,  インクリメンタルラプラシアン正則化 ,  半教師つきインクリメンタル/オンライン学習

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： オンライン学習 ,  ラプラシアン ,  正則化 ,  学習機械