文献

J-GLOBAL ID：201702257238387092   整理番号：17A0301894

GDAに基づく信頼ルールベースパラメータ学習の統合学習手法【JST・京大機械翻訳】

GDA Based Ensemble Learning Methods for Parameter Training in Belief Rule Base

著者 (5件)： Wu Weikun (College of Mathematics and Computer Science, Fuzhou University) ,  Fu Yanggeng (College of Mathematics and Computer Science, Fuzhou University) ,  Su Qun (College of Mathematics and Computer Science, Fuzhou University) ,  Wu Yingjie (College of Mathematics and Computer Science, Fuzhou University) ,  Gong Xiaoting (College of Economics and Management, Fuzhou University)
資料名： Jisuanji Kexue Yutansuo  (Jisuanji Kexue Yutansuo)
巻： 10  号： 12  ページ： 1651-1661  発行年： 2016年 
JST資料番号： C2939A  ISSN： 1673-9418  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在,信頼性ルールベース(BELIEF)の研究は単一単一システムに焦点を合わせているが,単一BRBシステムの推論性能はパラメータの影響を受けるだけではなく,訓練セットの分布が不平衡またはデータ量が少ない場合には,,の性能に影響する。これらの結果は,パラメータの訓練が不完全であるため,推論結果が提供する決定情報に局所性が存在することを示した。BAGGINGアルゴリズムとADABOOSTアルゴリズムを導入することによって,著者らは,BRBと結合して,勾配降下法(GDA)に基づく信頼できるルールベースシステムの統合学習方法を提案した。それらは,それぞれ,パイプ,多峰性関数の信頼規則ベースの訓練に適用され,そして,いくつかのBRBサブシステムを統合して,システムの推論性能を改善した。実験では,収束精度と曲線あてはめ効果を評価指標として統合システムの性能を分析し,統合システムを他の単一BRBシステムと比較し,実験結果はBRB統合学習方法が合理的で有効であることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 曲線あてはめ ,  局所性 ,  *学習 ,  アルゴリズム ,  信頼性 ,  集中方式 ,  最急降下法 ,  *ルールベース ,  評価指標 ,  *パラメータ学習
準シソーラス用語： サブシステム ,  多峰性関数 ,  学習方法 ,  ルールベースシステム ,  データ量 , 【Automatic Indexing@JST】

著者キーワード (5件)： belief rule base (BRB) ,  ensemble learning ,  gradient descent algorithm (GDA) ,  Bagging ,  AdaBoost

分類 (2件)： 数値計算  (JE02000J) ,  システム最適化手法  (IA02050Z)

タイトルに関連する用語 (6件)： 信頼 ,  ルールベース ,  パラメータ学習 ,  統合 ,  学習 ,  手法