文献

J-GLOBAL ID：201702290466656270   整理番号：17A1254113

ハイパー発見的手法による深い信念ネットワークの最適化【Powered by NICT】

Optimising Deep Belief Networks by hyper-heuristic approach

著者 (4件)： Sabar Nasser R. (Queensland University of Technology, Brisbane City 4000, Australia) ,  Turky Ayad (RMIT University, Melbourne, VIC 3001, Australia) ,  Song Andy (RMIT University, Melbourne, VIC 3001, Australia) ,  Sattar Abdul (Griffith University, Brisbane, QLD 4000, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CEC  ページ： 2738-2745  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： 深層信念ネットワーク(DBN)は,特に画像認識タスク分類に成功している。しかし,DBNの性能は実行時パラメータ値の組合せ特に環境に強く依存することが多い。本研究では,問題領域から独立したDBNを最適化できるハイパーヒューリスティックに基づくフレームワークを提案した。はこの領域に入る初めてハイパーヒューリスティックである。フレームワークは,発見的セットに基づいて適切なヒューリスティックスを選択する反復的に,現在の探索空間と良く一致させるDBNを調整するための発見的適用した。このフレームワークの下でDBN学習の設定は適応性があった。三つの良く知られた画像再構成ベンチマークセットは,この新しい手法の性能を評価するために使用した。実験結果から,このハイパー・ヒューリスティックアプローチは,多様な画像集合上でさまざまなシナリオの下で高精度を達成できることを示した。さらにDBNチューニングのための最新のメタヒューリスティック手法を比較のために導入した。結果は,著者らのハイパー・ヒューリスティックアプローチはほとんどすべての試験事例で優れた性能を得ることができることを示した。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： 深層 ,  適応性 ,  *発見的方法 ,  同調 ,  画像認識 ,  画像再構成 ,  画像 ,  *最適化 ,  学習
準シソーラス用語： 高精度 ,  探索空間 ,  *信念ネットワーク , 【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)： 発見的手法 ,  信念ネットワーク ,  最適化