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。
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】