文献

J-GLOBAL ID：201702252193071978   整理番号：17A1214247

分類ルール抽出を用いた拡張ファジィハイパーラインセグメント神経回路網【Powered by NICT】

Extended fuzzy hyperline-segment neural network with classification rule extraction

著者 (2件)： Shinde Swati (Pimpri Chinchwad College of Engineering, Pune, Maharastra, India) ,  Kulkarni Uday (SGGS Institute of Engineering and Technology, Nanded, Maharastra, India)
資料名： Neurocomputing  (Neurocomputing)
巻： 260  ページ： 79-91  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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： ファジィハイパーラインセグメント神経回路網(FHLSNN)のハイパーラインセグメント層はn次元ハイパーラインセグメントの数から構成されている。各ハイパーラインセグメントは連続属性値と関連するメンバシップ関数により定義された二エンドポイントを持っている。メンバシップ関数は連続属性値を処理し,ハイパーラインセグメントに各入力パターンのメンバシップを与えた。これらエンドポイントとメンバシップ関数である連続属性だけで定義し,離散属性を処理することができない。しかし実世界データを,連続的及び離散的属性から構成されている。このオリジナルFHLSNNによるとその祖先バージョンは,これらのタイプのデータには適用できない。,これらのファジィミニマックスニューラルネットワークによる与えられた分類決定の正当化は,実世界応用に適用できるように得ることが必要である。提案した拡張ファジィハイパーラインセグメント神経回路網(EFHLSNN)の目的は,これら二つの問題を解決することである。EFHLSNNでは,各ハイパーラインセグメントは連続属性の観点だけでなく定義された二エンドポイント,離散属性のために定義された二値文字列の集合を持つ。元FHLSNNのメンバシップ関数と展開条件を,連続的及び離散的属性値を処理するために修正した。提案EFHLSNNモデルは八つの異なるベンチマークデータセットに適用した。実験結果は,提案したモデルは,非常に良好な精度とEFHLSNNの分類決定,を正当化するコンパクトなルール集合を与え,良好なルール忠実度を生じさせることを示した。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： ニューラルネットワーク ,  *曖昧さ ,  *神経回路網 ,  文字列 ,  メンバシップ関数
準シソーラス用語： 入力パターン , 【Automatic Indexing@JST】

著者キーワード (6件)： ニューラルネットワーク ,  ニューロ-ファジィシステム ,  ・ハイパーライン・セグメント ,  ファジィメンバシップ関数 ,  混合特性 ,  分類則

分類 (2件)： 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)： 分類 ,  ルール抽出 ,  拡張 ,  神経回路網