文献

J-GLOBAL ID：201702241432267164   整理番号：17A1633803

進化する2型リカレントファジィニューラルネットワークを用いた概念ドリフトのインクリメンタル学習【Powered by NICT】

An Incremental Learning of Concept Drifts Using Evolving Type-2 Recurrent Fuzzy Neural Networks

著者 (5件)： Pratama Mahardhika (Department of Computer Science and IT, La Trobe University, Melbourne, Vic, Australia) ,  Lu Jie (DeSI Laboratory, Centre of QCIS, Faculty of Engineering and IT, University of Technology Sydney, Sydney, NSW, Australia) ,  Lughofer Edwin (Department of Knowledge-Based Mathematical Systems, Johannes Kepler University Linz, Linz, Austria) ,  Zhang Guangquan (DeSI Laboratory, Centre of QCIS, Faculty of Engineering and IT, University of Technology Sydney, Sydney, NSW, Australia) ,  Er Meng Joo (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Transactions on Fuzzy Systems  (IEEE Transactions on Fuzzy Systems)
巻： 25  号： 5  ページ： 1175-1192  発行年： 2017年 
JST資料番号： W0509A  ISSN： 1063-6706  CODEN： IEFSEV  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： オンラインデータストリームと動的環境の年齢は大量データストリームにおける概念ドリフトに対処するための高度な機械学習技法の要求が増加している。進化するファジィシステム(EFS)は,問題を解決するためにファジィシステム地域からの最近のイニシアチブの一つである。既存EFSはデータの不確実性,時間的システム動力学,およびシステムの秩序の不在にロバストではなく,EFSの大部分は1型フィードフォワードネットワークアーキテクチャで設計されているからである。本論文では,新しい進化するリカレントファジィニューラルネットワーク,進化する2型リカレントファジィニューラルネットワーク(eT2RFNN)と呼ばれるを開発することにより,データの不確実性,時間的挙動,およびシステム秩序の欠如の問題を解決することを目的とした。eT2RFNNは新しいリカレントネットワークアーキテクチャ,二重再発層特徴で構築した。新しいリカレントネットワークアーキテクチャは,一般化区間タイプ2ファジィルール,ルール前提は,区間タイプ2多変量Gauss関数上に構築されているが進展する,一方では,ルール後件部は非線形ウェーブレット関数による工夫である。eT2RFNNはシステムの全体的概念,ファジィルールを自動生成,せん定,合併及び単一パス学習モードで回収できるを採用している。それは,オンライン特徴選択技術を備えているためeT2RFNNは高次元の問題に対処できる。eT2RFNNの有効性を実験的に人工および実世界データストリームを用いて検証し,顕著な学習アルゴリズムと比較した。eT2RFNNは,より信頼性の高い予測精度を生成し,その対応物よりもより低い複雑性を保持していた。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： ロバスト性 ,  機械学習 ,  *ドリフト ,  高次元 ,  不確実性 ,  *学習 ,  学習アルゴリズム ,  特徴選択 ,  信頼性
準シソーラス用語： 予測精度 ,  オンライン ,  Gauss関数 ,  ファジィルール ,  ファジィシステム ,  データストリーム , 【Automatic Indexing@JST】

分類 (3件)： 制御工学一般  (IC01000V) ,  人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 進化 ,  概念 ,  ドリフト ,  インクリメンタル学習