文献

J-GLOBAL ID：201702283043124447   整理番号：17A1733123

繊維分野におけるアンサンブルニューラルネットワークを用いた予測性能の改善【Powered by NICT】

Improving prediction performance using ensemble neural networks in textile sector

著者 (3件)： Yildirim Pelin (Graduate School of Natural and Applied Sciences, Dokuz Eylul University, Izmir, Turkey) ,  Birant Derya (Department of Computer Engineering, Dokuz Eylul University, Izmir, Turkey) ,  Alpyildiz Tuba (Department of Textile Engineering, Dokuz Eylul University, Izmir, Turkey)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： UBMK  ページ： 639-644  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： 伝統的な数学的および統計的方法は,織物データセット内の複雑な関係を導出するために不十分であることができるので,ニューラルネットワーク法が最近予測タスクのための繊維部門で好まれている。アンサンブル学習は,それが提供する高い予測性能のために近年一般的な機械学習アプローチとなっている。それ故,本研究は,繊維分野における予測性能を改善するために異なるパラメータ値(隠れ層の数,学習速度と運動量係数)を持つ神経回路網を組み合わせたアンサンブル学習手法を提案した。実験研究において,提案したモデルは,十種類の実世界繊維データセットで試験した。結果は,アンサンブルニューラルネットワークは,通常,相関係数と相対絶対誤差の測度による個々のニューラルネットワークよりも優れた予測性能を達成することを示した。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： *ニューラルネットワーク ,  運動量 ,  測度 ,  神経回路網 ,  *予測 ,  統計的方法 ,  機械学習 ,  相関係数
準シソーラス用語： 絶対誤差 ,  実験研究 ,  学習速度 ,  隠れ層 ,  アンサンブル学習 ,  *予測性能 , 【Automatic Indexing@JST】

分類 (2件)： 研究開発  (SA01040R) ,  計算理論  (JB02000A)

タイトルに関連する用語 (4件)： 繊維 ,  アンサンブル ,  ニューラルネットワーク ,  予測性能