抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ACORアルゴリズムは,連続領域に拡張されたアリコロニー最適化(ACO)であり,ニューラルネットワークの訓練に使用されてきた。しかし,ニューラルネットワークを訓練するとき,ACORはほとんどの従来のACOアルゴリズムのような発見的情報を許さない。そこで本研究では,ニューラルネットワーク訓練のためのACORのフレームワークに発見的情報を組み込んだ,h-ACORと名付けたハイブリッドACORアルゴリズムを提案した。h-ACORにおける発見的情報は,重みベクトルに関してニューラルネットワークの誤差項の部分微分を計算することによって得られる勾配ベクトルである。h-ACORは,UCIデータセットによるパターン分類問題のために訓練ニューラルネットワークに関してテストした。すなわち,ズーム,虹彩とTic-Tac-Toe。実験は10倍の交差検証法を用いて行い,結果は以下のことを示した。h-ACORは収束世代のほとんど半分でACORより良い性能を持っている。そして,h-ACORによる完全な訓練の後,データセットズーム,虹彩,およびTic-Tac-Toeの平均分類精度は92.6%であるが,ACORのそれは86.6%である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】