文献

J-GLOBAL ID：201802251799735256   整理番号：18A1907697

ロバストな非線形システム同定のための一般化された最大相関性ベースのエコー状態ネットワーク【JST・京大機械翻訳】

Generalized Maximum Correntropy-Based Echo State Network for Robust Nonlinear System Identification

著者 (4件)： Zhang Changhao (Institute of Artificial Intelligence and Robotics, Xian Jiaotong University, Xi’an, 710049, China) ,  Guo Yu (School of Software Engineering, Xian Jiaotong University, Xi’an, 710049, China) ,  Wang Fei (Institute of Artificial Intelligence and Robotics, Xian Jiaotong University, Xi’an, 710049, China) ,  Chen Badong (Institute of Artificial Intelligence and Robotics, Xian Jiaotong University, Xi’an, 710049, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-6  発行年： 2018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： 本論文では,エコー状態ネットワーク(ESN)にロバスト性を組み込んだ非線形システム同定のためのロバストな方法を提案した。特に,ESNは,最適解を得るための損失関数として一般化された相関を利用する。一般化された相関性は,情報理論学習(ITL)における相関性のより柔軟な拡張である。一般化された相関性誘起計量(GCIM)は,適切な形状パラメータを持つ異常値に対してロバストである。GCIMによるESNは,反ノイズ能力を提供することができて,現実世界の作業において一般的である非敏感な異常値であった。それらはまた,エコー状態ネットワークの基本アーキテクチャを継承するが,一般的に使用される平均二乗誤差(MSE)基準をGCIMで置き換える。確率的勾配降下法を採用して,一般化された相関器ベースのコスト関数を最適化した。数値シミュレーションを行い,提案したアルゴリズムが非Gauss雑音と異常値に対してロバスト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.【JST・京大機械翻訳】

シソーラス用語： 非Gauss雑音 ,  異常値 ,  雑音 ,  情報理論 ,  学習 ,  費用関数 ,  シミュレーション ,  アルゴリズム ,  計算機アーキテクチャ ,  最適化 ,  損失関数 ,  *ロバスト性
準シソーラス用語： 数値シミュレーション ,  平均二乗誤差 ,  最適解 ,  *エコー状態ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ロバスト ,  非線形システム同定 ,  相関性 ,  エコー状態ネットワーク