文献

J-GLOBAL ID：201802230659298417   整理番号：18A1385239

フォールトトレラントRBFネットワークの訓練と中心選択のためのADMMに基づくアルゴリズム【JST・京大機械翻訳】

ADMM-Based Algorithm for Training Fault Tolerant RBF Networks and Selecting Centers

著者 (4件)： Wang Hao (Department of Electronic Engineering, City University of Hong Kong, Kowloon, Hong Kong) ,  Feng Ruibin (Department of Electronic Engineering, City University of Hong Kong, Kowloon, Hong Kong) ,  Han Zi-Fa (Department of Electronic Engineering, City University of Hong Kong, Kowloon, Hong Kong) ,  Leung Chi-Sing (Department of Electronic Engineering, City University of Hong Kong, Kowloon, Hong Kong)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 8  ページ： 3870-3878  発行年： 2018年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  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： 動径基底関数(RBF)ネットワークの訓練段階において,最初にいくつかの適切なRBF中心を選択する必要がある。しかしながら,多くの既存の中心選択アルゴリズムを,故障のない状況のために設計した。本論文では,RBFネットワークを訓練し,RBFセンターを同時に選択するフォールトトレラントアルゴリズムを開発した。最初に,RBF中心として訓練集合からすべての入力ベクトルを選択した。その後,対応するフォールトトレラント目的関数を定義した。次に,目的関数にl_1ノルム項を追加した。l_1-ノルム項がいくつかの重要でない重みをゼロに力をかけることができるので,中心選択を訓練段階で達成することができた。l_1ノルム項は非微分可能であるので,制約付き最適化問題として元の問題を定式化した。乗算器フレームワークの交互方向法に基づいて,次に,制約付き最適化問題を解決するためのアルゴリズムを開発した。提案したアルゴリズムの収束証明を提供した。シミュレーション結果は,提案したアルゴリズムが多くの既存の中心選択アルゴリズムより優れていることを示した。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】

シソーラス用語： *アルゴリズム ,  計算機シミュレーション ,  ノルム ,  シミュレーション ,  *ネットワーク ,  目的関数 ,  動径基底関数 ,  微分 ,  定式化 ,  制約付最適化問題 ,  乗算器 ,  *動径基底関数ネットワーク ,  ベクトル ,  *フォールトトレランス

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： フォールトトレラント ,  RBFネットワーク ,  訓練 ,  アルゴリズム