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。
データ駆動モデリングは工学の種々の分野でますます重要な役割を果たしている。多くの既存手法の,遺伝的プログラミング(GP)等では,収束速度を多数の変数をもつ大規模問題のための遅すぎると考えられた。幸いなことに,多くのアプリケーションで,標的モデルはある意味で分離できる。本論文では,異なるタイプの分離可能性の分析と一般化された分離可能モデル(GSM)を確立した。GSMの構造を得るために,マルチレベルブロック探索法を提案し,ターゲットモデルは多くのブロックに分解し,最小ブロックと因子へのさらなるである。従来のGPと比較して,新しい方法は,探索空間に大きな減少をすることができた。最小ブロックと因子は大域的最適化検索エンジン,低次元単体進化(LDSE)で最適化され,組立てられている。Eureqa,提案した方法と最新のデータ駆動型フィッティングツール間の広範な研究では,いくつかの人工問題を提示した。試験結果は,提案した方法がより効果的で,研究した全てのケースで効率的であることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】