文献

J-GLOBAL ID：201702286501170124   整理番号：17A1347611

TSKニューラルファジィシステムにおけるRLS型学習のための効率的なアプローチ【Powered by NICT】

Efficient Approach for RLS Type Learning in TSK Neural Fuzzy Systems

著者 (2件)： Yeh Jen-Wei (Department of Electrical Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan) ,  Su Shun-Feng (Department of Electrical Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 47  号： 9  ページ： 2343-2352  発行年： 2017年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  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： Takagi Sugeno Kangニューラルファジィシステムにおける再帰最小二乗(RLS)学習アルゴリズムの使用のための効率的な手法を提示した。RLSの使用では,ルール間の相関を定義する非対角ブロックをゼロに設定し,減少した共分散行列は計算負荷を低減するために利用できる可能性がある。しかし,文献で報告されたように,そのようなアプローチの性能は,完全な共分散行列を用いたものよりもわずかに劣っていた。本論文では,しきい値はこれらの少ない燃焼規則の学習を止めると考えられているいわゆる増強された局所学習概念を提案した。実験から提案した方法は,完全な共分散行列を用いたものよりも優れた性能を持ち得ることをできる。機能強化された局所的学習法を構造学習相に活発であった。法は十分に焼成したルールの更新を停止自己構築型ニューラルファジィ推論ネットワークの擾乱を低減するためにできるだけでなく,大きな逆伝搬学習定数を用いた構造学習相に学習速度を提起する。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： 学習アルゴリズム ,  自己集合 ,  ネットワーク ,  *学習 ,  最小二乗法
準シソーラス用語： 学習速度 ,  構造学習 ,  計算負荷 ,  共分散行列 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： 学習