文献

J-GLOBAL ID：201702270327167592   整理番号：17A1385729

最適化ν正則化を用いた極端学習機械【Powered by NICT】

Optimization extreme learning machine with ν regularization

著者 (4件)： Xiao-jian Ding (Huawei Technologies Co., Ltd, Nanjing, 211100, China) ,  Yuan Lan (Key Laboratory of Ministry of Education in Advance Transducers and Intelligent Control System, School of Mechanical Engineering, Taiyuan University of Technology, Taiyuan 030024, China) ,  Zhi-feng Zhang (Software college, Zhengzhou University of Light Industry, Zhengzhou 450002, China) ,  xin Xu (Science and Technology on Information Systems Engineering Laboratory, Nanjing 210007, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 261  ページ： 11-19  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： 最適化極端学習機械(OELM)のための誤差ペナルティパラメータCを選択する問題は,種々の応用のための任意の正値をとることであり,正しく選択することは困難である。本論文では,Scholkopfらによって触発された新しい正則化パラメータν(ν OELM)をOELMを改良した。νの点で正則化は0と1間で制限されると,C.と比較して,解釈が容易であることを示した(1)νOELMとν-SVMは類似の二重最適化の定式化を有するが,νOELMはクラス分離のその特別な能力のために,より少ない最適化制約を持ち,(2)人工と実際の二値分類問題に関する実験結果は,νOELMはν-SVM,OELMと他の一般的な機械学習アプローチよりも優れた汎化性能を達成する傾向があることを示す,高次元データセット上での計算的に効率的であった。さらに,νOELMにおける最適パラメータνは数候補から簡単に選択することができる。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： 機械学習 ,  汎化 ,  *正則化 ,  定式化 ,  *最適化
準シソーラス用語： 最適パラメータ ,  高次元データ ,  二値分類 ,  正則化パラメータ ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (3件)： ν最適化極端学習機械 ,  分類 ,  パラメータ選択

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 (3件)： 最適化 ,  正則化 ,  極端学習機械