文献

J-GLOBAL ID：201802226471843938   整理番号：18A0714010

関数近似とカオス時系列予測のためのMemeticアルゴリズムを用いた量子触発ニューラルネットワークの最適化【JST・京大機械翻訳】

Optimization of quantum-inspired neural network using memetic algorithm for function approximation and chaotic time series prediction

著者 (2件)： Ganjefar Soheil (Department of Electrical Engineering, Faculty of Engineering, Bu-Ali Sina University, Shahid Fahmideh Street, P.O. Box 65178-38683, Hamedan, Iran) ,  Tofighi Morteza (Department of Electrical Engineering, Faculty of Engineering, Bu-Ali Sina University, Shahid Fahmideh Street, P.O. Box 65178-38683, Hamedan, Iran)
資料名： Neurocomputing  (Neurocomputing)
巻： 291  ページ： 175-186  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 発見的および決定論的最適化法は,人工ニューラルネットワークの訓練に広く適用されている。これらの方法の両方には,それら自身の利点と欠点がある。遺伝的アルゴリズムのような発見的確率的最適化法はグローバル探索を実行するが,それらはグローバル最適の近くで遅い収束速度の問題を被る。他方では,勾配降下のような決定論的方法は,大域的最適の周りで高速収束速度を示すが,局所最適において停止を得る可能性がある。これらの問題に動機付けられて,HGAGDと呼ばれる勾配降下(GD)と遺伝的アルゴリズム(GA)を結合するハイブリッド学習アルゴリズムを本論文で提案した。この新しいアルゴリズムは,GAの大域的探索能力を,より速い収束を達成するために,また,最終解のより良い精度を達成するために,GDの正確な局所的開発能力と組み合わせた。次に,HGAGDを,2つの異なる応用のための量子触発ニューラルネットワーク(QINN)のパラメータを最適化するための新しい訓練法として採用した。最初に,2つのベンチマーク関数を選択して,関数近似問題を扱うHGAGDアルゴリズムを用いて,提案したQINNの可能性を実証した。次に,Mackey-Glass時系列とLorenzアトラクタの予測における提案方法の性能を研究した。これらの研究の結果は,他の公表されたアプローチよりも導入されたアプローチの優位性を示している。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  ベンチマーク ,  *ニューラルネットワーク ,  *関数近似 ,  遺伝的アルゴリズム ,  *最適化 ,  *アルゴリズム ,  アトラクタ
準シソーラス用語： *時系列予測 ,  決定論的方法 ,  収束速度 ,  確率的最適化 ,  決定論 ,  *Memeticアルゴリズム ,  *カオス時系列 , 【Automatic Indexing@JST】

著者キーワード (5件)： Memeticアルゴリズム ,  遺伝的アルゴリズム ,  量子にヒントを得た神経回路網 ,  関数近似 ,  時系列予測

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 関数近似 ,  カオス ,  時系列予測 ,  Memeticアルゴリズム ,  量子 ,  ニューラルネットワーク ,  最適化