文献

J-GLOBAL ID：201702243565124350   整理番号：17A1632047

人工ニューラルネットワークとサポートベクトルマシンのための4データ選択法の比較【Powered by NICT】

A Comparison of Four Data Selection Methods for Artificial Neural Networks and Support Vector Machines

著者 (3件)： Khosravani H. (Faculty of Science and Technology, University of Algarve, Faro, Portugal and IDMEC, Instituto Superior Tecnico, Universidade de Lisboa, Lisboa, Portugal) ,  Ruano A. (Faculty of Science and Technology, University of Algarve, Faro, Portugal and IDMEC, Instituto Superior Tecnico, Universidade de Lisboa, Lisboa, Portugal) ,  Ferreira P.M. (LaSIGE, Faculdade de Ciencias, Universidade de Lisboa, Portugal)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 50  号： 1  ページ： 11227-11232  発行年： 2017年 
JST資料番号： W3101A  ISSN： 2405-8963  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： 人工ニューラルネットワークとサポートベクトルマシンのようなデータ駆動モデルの性能は設計段階を通じて適切なデータを選択することに良好な程度に依存している。本論文では,ランダム,凸包に基づく,エントロピーに基づくとハイブリッドデータ選択法を含む四教師なしデータ選択方法を比較した。これらの方法は,分類と回帰問題の八ベンチマーク上で評価した。分類のために,サポートベクトルマシンを用いた回帰問題のための,多層パーセプトロンを採用した。さらに,各問題型のための,動径基底関数ニューラルネットワークの非支配セットを設計し,多重目的遺伝的アルゴリズムから利益をした。シミュレーション結果は,凸包に基づく方法と凸包とエントロピーを含むハイブリッド法は,他の方法よりも良好な性能を得ることを,MOGA設計RBFNNは常に他のモデルよりも優れていることを示した。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： 多層パーセプトロン ,  凸包 ,  ベンチマーク ,  多重化 ,  *ニューラルネットワーク ,  遺伝的アルゴリズム ,  *サポートベクトルマシン ,  シミュレーション ,  エントロピー ,  アルゴリズム
準シソーラス用語： ハイブリッド法 ,  動径基底関数ニューラルネットワーク ,  データ駆動 ,  *データ選択 , 【Automatic Indexing@JST】

著者キーワード (5件)： 人工ニューラルネットワーク ,  凸包アルゴリズム ,  エントロピー ,  多目的遺伝的アルゴリズム ,  サポートベクトルマシン

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 人工ニューラルネットワーク ,  サポートベクトルマシン ,  データ選択