文献

J-GLOBAL ID：201702279161300734   整理番号：17A1093625

複合試料のスペクトル定量分析のための極端学習機械の予測安定性の改善のためのサバッギング【Powered by NICT】

Subagging for the improvement of predictive stability of extreme learning machine for spectral quantitative analysis of complex samples

著者 (9件)： Zhang Caixia (State Key Laboratory of Separation Membranes and Membrane Processes, Tianjin Polytechnic University, Tianjin, PR China) ,  Zhang Caixia (School of Environmental and Chemical Engineering, Tianjin Polytechnic University, Tianjin, PR China) ,  Bian Xihui (State Key Laboratory of Separation Membranes and Membrane Processes, Tianjin Polytechnic University, Tianjin, PR China) ,  Bian Xihui (School of Environmental and Chemical Engineering, Tianjin Polytechnic University, Tianjin, PR China) ,  Liu Peng (School of Environmental and Chemical Engineering, Tianjin Polytechnic University, Tianjin, PR China) ,  Tan Xiaoyao (State Key Laboratory of Separation Membranes and Membrane Processes, Tianjin Polytechnic University, Tianjin, PR China) ,  Fan Qingjie (Tianjin Green Security Technology Co. Ltd, Tianjin, PR China) ,  Liu Wei (School of Environmental and Chemical Engineering, Tianjin Polytechnic University, Tianjin, PR China) ,  Lin Ligang (State Key Laboratory of Separation Membranes and Membrane Processes, Tianjin Polytechnic University, Tianjin, PR China)
資料名： Chemometrics and Intelligent Laboratory Systems  (Chemometrics and Intelligent Laboratory Systems)
巻： 161  ページ： 43-48  発行年： 2017年 
JST資料番号： E0150B  ISSN： 0169-7439  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： 極端学習機械(ELM)は,その高速な学習速度と優れた汎化性能に対して注目を集めている。しかし,単一ELM回帰モデルの予測結果は,入力重みと隠れレイヤバイアスのランダム生成のために通常は不安定であった。この欠点を克服するために,subagging ELMと呼ばれるELMの集合形態を提案し,これを用いて,複雑な試料のスペクトル定量分析した。アプローチでは,置換なしで元の訓練集合から一定の数のサンプルをランダムに選択することにより構築した一連のELMのサブモデルと,これらのサブモデルの予測は最終アンサンブル予測をするための簡単な平均化方法で結合した。法の性能を,燃料油と血液試料を用いて試験した。単一ELMモデルと比較して,結果は,subagging ELMははるかに良好な安定性及びELMよりも高い精度を達成できることを確認した。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： 汎化 ,  燃料油 ,  *予測 ,  回帰モデル ,  *スペクトル ,  高速度 ,  *定量分析 ,  アンサンブル予報
準シソーラス用語： 学習速度 ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (5件)： 極端学習機械 ,  アンサンブルモデリング ,  多変量キャリブレーション ,  複雑な試料 ,  スペクトル解析

分類 (3件)： 分光分析  (CC03012W) ,  数値計算  (JE02000J) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (6件)： 試料 ,  スペクトル ,  定量分析 ,  極端学習機械 ,  予測 ,  安定性