文献

J-GLOBAL ID：201802236810252619   整理番号：18A1516522

個々の木の体積推定のためのハチにヒントを得たRBFネットワーク【JST・京大機械翻訳】

Bee-inspired RBF network for volume estimation of individual trees

著者 (3件)： da Silva Eugenio Monteiro (Computer Science Department, State University of Montes Claros, MG, Brazil) ,  Maia Renato Dourado (Computer Science Department, State University of Montes Claros, MG, Brazil) ,  Cabacinha Christian Dias (Institute of Agrarian Science, Federal University of Minas Gerais, MG, Brazil)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 152  ページ： 401-408  発行年： 2018年 
JST資料番号： T0337A  ISSN： 0168-1699  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： ユーカリは,気候に適応し,産業にとって非常に重要であるので,ブラジルで最も栽培されている樹木である。栽培森林において,木材容積は森林管理にとって不可欠な情報である。したがって,情報は可能な限り正確に推定されなければならない。その目的のために開発されたいくつかの記述的数学モデルがある。しかし,そのプロセスを容易にし,体積モデルを置換するために,計算知能技術が用いられてきた。太陽乾燥作業は木材容積推定のための人工ニューラルネットワークの使用を提案しているが,クラスタリングアルゴリズムにより自動的に設計できるニューラルネットワーク,動径基底関数-RBFのタイプがある。本研究は,ユーカリボリュームの推定におけるcOptBeesクラスタリングアルゴリズムによって自動的に生成されたRBFネットワークの応用を提示して,同じデータセットにおけるMLPネットワークと古典的モデルに対する結果を比較した。cOptBeesは,クラスタの数を自動的に見出すことを可能にするミツバチの挙動により触発されたクラスタリングアルゴリズムである。RBFによって提供された結果の品質に影響を及ぼす様々な因子を評価するために,試験は3つの訓練アルゴリズム,3つの活性化関数および3つの発見的方法を考慮して,拡散を定義した。cOptBeesによって生成されたRBFの他に,別の2つのタイプのRBF(ランダムおよびk-平均)を評価した。ボリューム推定において,結果は,ニューラルネットワークと古典的方程式が,データの高い利用可能性があるとき,互いに等価であることを示した。しかしながら,少数の訓練サンプルがあるとき,古典的モデルはより良く機能した。それにもかかわらず,RBFネットワークは,その構成の容易さと一般化能力のために実行可能な代替案である。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： *動径基底関数ネットワーク ,  学習アルゴリズム ,  ミツバチ ,  数学モデル ,  クラスタ化 ,  ユーカリ ,  *ネットワーク ,  品質 ,  木材 ,  ブラジル連邦共和国 ,  クラスタ ,  動径基底関数 ,  気候 ,  栽培
準シソーラス用語： クラスタリングアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 人工林 ,  ユーカリ ,  ニューラルネットワーク ,  クラスタリング ,  オウトウ

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 木 ,  体積 ,  推定 ,  ハチ ,  ヒント ,  RBFネットワーク