文献

J-GLOBAL ID：201702259598609982   整理番号：17A1649112

沈香油品質分類のための多層パーセプトロンニューラルネットワークにおけるアルゴリズム変化の解析【Powered by NICT】

Analysis of algorithms variation in Multilayer Perceptron Neural Network for agarwood oil qualities classification

著者 (8件)： Zubir N. S. A. (Faculty of Electrical Engineering UiTM Shah Alam, Selangor) ,  Abas M. A. (Natural Product Program Forest Research Institute of Malaysia (FRIM) Kepong, Selangor) ,  Ismail Nurlaila (Faculty of Electrical Engineering UiTM Shah Alam, Selangor) ,  Ali Nor Azah M. (Natural Product Program Forest Research Institute of Malaysia (FRIM) Kepong, Selangor) ,  Rahiman M. H. F. (Faculty of Electrical Engineering UiTM Shah Alam, Selangor) ,  Mun N. K. (Faculty of Electrical Engineering UiTM Shah Alam, Selangor) ,  Saiful N. T. (Faculty of Industrial and Science Technology (FIST), University Malaysia Pahang (UMP)) ,  Taib M. N. (Faculty of Electrical Engineering UiTM Shah Alam, Selangor)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICSGRC  ページ： 122-126  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究はMatlabを用いたバージョン2013Aによる沈香油の重要な化合物の品質を識別する三訓練アルゴリズムに基づくすなわちスケール共役勾配(SCG),Levernbergh Marquardt(LM)と弾性逆伝搬(RP)ニューラルネットワーク異なる品質で多層パーセプトロン(MLP)分類器の性能を調べた。本研究で用いたデータセットは森林研究所マレーシア(FRIM)とマレーシア大学パハン(UMP)で得られた。さらに,化学化合物の地域(存在量,%)は,入力と出力として表現(高または低)品質として設定した。MLP性能は1~10の範囲にある隠れニューロンの異なる数を調べた。それらの性能をモデルに適用する最適化の最良の方法を見出し正確に観察された。LMはネットワーク発生中の隠れニューロンの数を高めることにより誤差を減少させるのに有効であることが分かった。LMのMSEはSCGとRPの中で最小である。それに加えて,LMの訓練,検証および試験の精度は最良の精度を行った(100%)。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 弾性 ,  *品質 ,  ニューロン ,  共役 ,  最適化 ,  *ニューラルネットワーク ,  モデル ,  *多層パーセプトロン ,  *ネットワーク ,  *アルゴリズム ,  学習アルゴリズム ,  マレーシア
準シソーラス用語： MATLAB ,  *多層パーセプトロンニューラルネットワーク ,  *沈香 , 【Automatic Indexing@JST】

分類 (2件)： 分析機器  (CC02020S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 沈香 ,  分類 ,  多層パーセプトロンニューラルネットワーク ,  アルゴリズム ,  解析