文献

J-GLOBAL ID：201802240145205728   整理番号：18A0521314

ELMに基づく分類器のための活性化機能の実現【Powered by NICT】

Implementation of activation functions for ELM based classifiers

著者 (2件)： Baraha Satyakam (Department of Electronics & Telecommunication Engineering, International Institute of Information Technology, Bhubaneswar, India) ,  Biswal Pradyut Kumar (Department of Electronics & Telecommunication Engineering, International Institute of Information Technology, Bhubaneswar, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WiSPNET  ページ： 1038-1042  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： 人工ニューラルネットワークは,生物学的神経系により触発された情報処理システムである。は複雑なデータ,適応学習,自己組織化と実時間動作から結果として情報を導出するためにその能力のために広く利用されている。ニューラルネットワークの最も有望なタスクの一つは,分類と予測である。極端学習マシン(ELM),単層フィードフォワードネットワークは,通常のニューラルネットワーク上でその利点があることから,この目的のために使用されている;優れた汎化性能,局所最小値と普遍近似定理の存在を回避する能力。ELM構造で使用される活性化関数のタイプに依存して,ネットワークの性能が変化した。FPGAにおける活性化関数の実装は,ハードウェアでそれを表現するためにデジタル化されなければならないので,挑戦的な仕事である。異なる活性化関数のためのアーキテクチャのハードウェア必要と速度に対する予測比較研究も行なった。Cowie,各活性化関数の訓練と試験精度に基づいて与え比較研究。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： ニューラルネットワーク ,  ハードウェア ,  情報システム ,  近似法 ,  自己組織化 ,  神経系 ,  学習 ,  *ネットワーク ,  予測 ,  計算機アーキテクチャ ,  FPGA
準シソーラス用語： ディジタル化 ,  活性化関数 ,  フィードフォワードニューラルネットワーク ,  適応学習 , 【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 (3件)： ELM ,  分類器 ,  活性化