文献

J-GLOBAL ID：201702280399331302   整理番号：17A1870306

改良限界学習機械に基づくスペクトル定量モデリング法【JST・京大機械翻訳】

Quantitative spectral modeling method based on improved extreme learning machine

著者 (4件)： Zhou Meiling (北京航空航天大学 儀器科学与光電工程学院,北京,100083) ,  Zheng Dezhi (北京航空航天大学 儀器科学与光電工程学院,北京,100083) ,  Lou Ge (北京航空航天大学 儀器科学与光電工程学院,北京,100083) ,  Liu Zheng (北京航空航天大学 儀器科学与光電工程学院,北京,100083)
資料名： Beijing Hangkong Hangtian Daxue Xuebao  (Beijing Hangkong Hangtian Daxue Xuebao)
巻： 43  号： 6  ページ： 1208-1215  発行年： 2017年 
JST資料番号： C2402A  ISSN： 1001-5965  CODEN： BHHDE8  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： 近赤外分光法(NIR)の原理に基づき,粒子群最適化限界学習(PSO-ELM)アルゴリズムを提案し,小サンプルのアンモニア濃度の定量分析に適用した。限界学習機械(ELM)の隠れノードのパラメータを最適化することにより,入力重みと隠れ層の偏差により生じるモデル化結果の確率的問題を解決し,予測モデルの安定性,精度,一般化性能を改善した。実験結果は,最適化されたPSO-ELMがELMと比較して,モデル予測セットの平均平方根誤差が0.01166から0.00322に減少し,予測セットの相関係数が0.9951から0.9979に増加することを示した。最適化されたモデル予測結果をSVMとBPニューラルネットワークアルゴリズムの結果と比較し,最適化したPSO-ELMアルゴリズムは高い精度と良好な一般化性能を持ち,モデル予測効果は従来の定量的回帰分析アルゴリズムより優れている。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 予測モデル ,  定量分析 ,  最適化 ,  *モデリング ,  アルゴリズム ,  回帰分析 ,  *学習機械 ,  相関係数 ,  *学習 ,  予測 ,  近赤外分光分析
準シソーラス用語： 逆伝播ニューラルネットワーク ,  モデル予測 ,  隠れ層 ,  粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： near infrared spectrum (NIR) ,  quantitative analysis ,  small sample ,  extreme learning machine (ELM) ,  particle swarm optimization (PSO) algorithm

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 限界 ,  学習機械 ,  スペクトル ,  定量 ,  モデリング