文献

J-GLOBAL ID：201802248237049261   整理番号：18A1550514

二値クラス不均衡問題を取り扱うためのクラス特定極端学習機械

Class-specific extreme learning machine for handling binary class imbalance problem

著者 (2件)： Raghuwanshi Bhagat Singh (Maulana Azad National Institute of Technology, Bhopal, Madhya Pradesh, 462003, India) ,  Shukla Sanyam (Maulana Azad National Institute of Technology, Bhopal, Madhya Pradesh, 462003, India)
資料名： Neural Networks  (Neural Networks)
巻： 105  ページ： 206-217  発行年： 2018年09月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 多くのクラスインスタンスが少数クラスインスタンスを上回るとき,不均衡問題が発生する。従来の極端な学習機械(ELM)は,すべての実例を同じ重要性で扱い,多くのクラスに向けて予測精度を偏らせる。この固有の欠点を克服するために,ELMの多くの変種が,クラス不均衡問題を効果的に扱うために,加重ELM,クラス特異的コスト調整ELM(CCR-ELM)などのように提案されている。本研究は,二値クラス不均衡問題をより効果的に扱うためのELMの変種であるクラス特異的極端学習機械(CS-ELM)を提案した。本研究は,訓練事例に重みを割り当てる必要がないので,重みづけELMとは異なる。また,提案した研究は,加重ELMと比較して,より低い計算複雑性を持っている。本研究では,クラス固有正則化パラメータを用いた。CCR-ELMはまたクラス特異正則化パラメータを用いる。CCR-ELMにおいて,正則化パラメータの計算はクラス分布とクラス重なりを考慮しない。本研究では,クラス分布を用いて計算されるクラス固有正則化パラメータを用いた。本研究は,出力重みβの計算においてCCR-ELMとも異なる。提案した研究は,CCR-ELMと比較してより低い計算オーバーヘッドを持っている。提案した研究は,KEELデータセットリポジトリからダウンロードしたベンチマーク実世界不均衡データセットを用いて評価した。結果は,提案した研究が,クラス不均衡学習のために,加重ELM,CCR-ELM,EFSVM,FSVM,SVMより良い性能を持つことを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *機械学習 ,  評価試験 ,  *学習機械 ,  問題 ,  パラメタリゼーション ,  ベンチマーク ,  リポジトリ ,  学習 ,  計算量 ,  重みづけ ,  パラメータ ,  *非平衡状態 ,  データ ,  集合 ,  精度 ,  *ニューラルネットワーク
準シソーラス用語： オーバヘッド ,  加重 ,  極度学習機械 ,  正則化パラメータ ,  *不均衡 ,  不均衡データセット ,  不均衡問題 ,  予測精度

著者キーワード (4件)： 極端学習機械 ,  クラス特定極端学習機械 ,  クラス不均衡問題 ,  分類

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 (4件)： 二値 ,  クラス不均衡 ,  クラス ,  極端学習機械