文献

J-GLOBAL ID：201702273208203229   整理番号：17A1641684

二状態ネットワークの記号ネットワーク信頼性関数のための圧縮された人工ニューラルネットワーク【Powered by NICT】

A Squeezed Artificial Neural Network for the Symbolic Network Reliability Functions of Binary-State Networks

著者 (1件)： Yeh Wei-Chang (Department of Industrial Engineering and Engineering Management, Integration and Collaboration Laboratory, National Tsing Hua University, Hsinchu, Taiwan)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 11  ページ： 2822-2825  発行年： 2017年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： ネットワーク信頼性は現代世界における意思決定支援のための有用な情報の提供に重要な指標である。ネットワークパラメータの動的で急速な変化による記号ネットワーク信頼性関数(SNRFs)を計算するために必要である。本短報で,提案したスクイーズド人工ニューラルネットワーク(SqANN)手法は,モンテカルロシミュレーションを用いたBox-Behnken設計から得られた設計行列の対応する信頼性を推定し,次に田口メソッドをSNRFsを評価するための隠れ層のニューロンと活性化関数とANNの出力層の適切な数を見出すために実装した。ベンチマークネットワークの実験結果によれば,比較は,全ての実験で平均2のコストの中央値絶対偏差で少なくとも16.6%の改善を示し,従来のANNベースの手法に対して提案したSqANN法の優位性を支持する様に思われる。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： *ネットワーク ,  高速度 ,  *ニューラルネットワーク ,  *信頼性 ,  中央値 ,  田口メソッド ,  ニューロン
準シソーラス用語： 活性化関数 ,  隠れ層 ,  モンテカルロシミュレーション ,  ネットワークパラメータ ,  意思決定支援 ,  *ネットワーク信頼性 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 記号 ,  信頼性関数 ,  人工ニューラルネットワーク