文献

J-GLOBAL ID：201802237092476845   整理番号：18A0447645

分離可能な特徴を用いた複雑なシステムのための高速モデル化法【Powered by NICT】

Fast Modeling Methods for Complex System with Separable Features

著者 (3件)： Chen Chen ,  Luo Changtong ,  Jiang Zonglin
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISCID  ページ： 201-204  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： 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】

シソーラス用語： CASE ,  最適化 ,  *モデリング ,  検索エンジン ,  *高速度 ,  応用プログラム
準シソーラス用語： 低次元 ,  大域的最適化 ,  探索空間 ,  探索法 ,  分離可能性 ,  収束速度 ,  データ駆動 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： モデル化