文献

J-GLOBAL ID：201702256127446514   整理番号：17A1385733

分類のためのスパース符号化極限学習機械(extreme learning machine【Powered by NICT】

Sparse coding extreme learning machine for classification

著者 (2件)： Yu Yuanlong (College of Mathematics and Computer Science, Fuzhou University Fuzhou, Fujian, 350116, China) ,  Sun Zhenzhen (College of Mathematics and Computer Science, Fuzhou University Fuzhou, Fujian, 350116, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 261  ページ： 50-56  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： 教師つき学習アルゴリズムの一つとして,極端学習機械(ELM)は単一隠れ層フィードフォワードニューラルネットワークを訓練し,大きな汎化性能を示しために提案されている。ELMはランダムにインプットと隠れ層間の重みとバイアスを割り当て,隠れ層と出力層間の重みを学習するだけであった。生理学的研究は,同じ層でのニューロンは互いに側方阻害各層の出力は少ないことを示した。しかし,直接ランダム特徴マッピングを用いた側方抑制を収容するELMのは困難である。そこで本論文では,スパース符号化ELM(ScELM)アルゴリズム,入力特徴ベクトルを地図化スパース表現に行う手法を提案している。提案ScELMアルゴリズムでは,教師なし方法は,スパース符号化に使用され,辞書をランダムに割り当てよりも学習する。勾配射影に基づく方法はスパース符号化に使用されている。出力重みはELMと同じ教師つき方法で訓練した。ベンチマークデータセット上での実験結果により,この提案したScELMアルゴリズムは,分類精度の点で他の最先端の方法より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： 教師つき学習 ,  ニューロン ,  アルゴリズム ,  射影 ,  汎化 ,  *学習機械 ,  バイアス
準シソーラス用語： 分類精度 ,  スパース表現 ,  特徴ベクトル ,  側方抑制 ,  フィードフォワードニューラルネットワーク ,  隠れ層 ,  極度学習機械 ,  *スパースコーディング , 【Automatic Indexing@JST】

著者キーワード (3件)： スパース符号化 ,  極端学習機械 ,  勾配射影

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 分類 ,  スパース符号化 ,  極限 ,  学習機械