抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】