文献

J-GLOBAL ID：201802231604034428   整理番号：18A0536014

ニューラルネットワークアンサンブルのためのランダム分離学習【Powered by NICT】

Random separation learning for neural network ensembles

著者 (1件)： Liu Yong (School of Computer Science and Engineering The University of Aizu Aizu-Wakamatsu, Fukushima 965-8580, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CISP-BMEI  ページ： 1-4  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： ニューラルネットワークアンサンブル設計のための負の相関学習の学習期間中に類似してきから個々の神経回路網を防止するために,二つの方法を本論文で採用した。第一の手法は,大規模ニューラルネットワークを置き換えるニューラルネットワークアンサンブルにおける小神経回路網を用いたことである。能力が限られている場合に小規模ニューラルネットワークは,実際の応用でより実用的である。第二の方法は,各小ニューラルネットワークのための負の相関学習におけるランダム分離学習を導入することである。ランダム分離学習のアイデアは,各個々のニューラルネットワークは,与えられた訓練試料のランダムに分離したサブセットに異なって学ばせることである。小さなニューラルネットワークは,ランダム分離学習と負の相関学習により互いに弱いと異なってくる容易にできることが分かった。ニューラルネットワークアンサンブルのための多数の小ニューラルネットワークを適用した後,それらの性能を比較したが,二組合せ法を用いて,ニューラルネットワークアンサンブルの出力を発生させた。Copyright 2018 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： 部分集合 ,  *ニューラルネットワーク ,  *学習 ,  神経回路網 ,  小規模
準シソーラス用語： 連合学習 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (1件)： 学習