文献

J-GLOBAL ID：201802252440507483   整理番号：18A1654744

順序付けコードに基づくカーネル限界学習順序回帰モデル【JST・京大機械翻訳】

Ordered Code-based Kernel Extreme Learning Machine for Ordinal Regression

著者 (4件)： Li Peijia (中国科学院大学計算机与控制学院 北京 101408;中国科学院大数据wa掘与知識管理重点実験室 北京 100190;中国科学院虚擬経済与数据科学研究中心 北京 100190) ,  Shi Yong (中国科学院大数据wa掘与知識管理重点実験室 北京 100190;中国科学院虚擬経済与数据科学研究中心 北京 100190;中国科学院大学経済与管理学院 北京 100190) ,  Wang Huadong (中国科学院大数据wa掘与知識管理重点実験室 北京 100190;中国科学院虚擬経済与数据科学研究中心 北京 100190) ,  Niu Lingfeng (中国科学院大数据wa掘与知識管理重点実験室 北京 100190;中国科学院虚擬経済与数据科学研究中心 北京 100190;中国科学院大学経済与管理学院 北京 100190)
資料名： Dianzi yu Xinxi Xuebao  (Dianzi yu Xinxi Xuebao)
巻： 40  号： 6  ページ： 1287-1293  発行年： 2018年 
JST資料番号： C2507A  ISSN： 1009-5896  CODEN： DKXUEC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 順序回帰は機械学習の分野での分類と回帰の間の教師つき問題である。実際には、順序関係ラベルを持つ問題はいずれも順序回帰問題にモデル化され、そのため、順序回帰は多くの学者の関心を集めている。限界学習マシン(ELM)に基づくアルゴリズムは,反復プロセスの局所最適解を避けて,トレーニング時間を減らすことができるが,限界学習マシンに基づくアルゴリズムは,順序回帰問題においてより少ない研究を生み出した。本論文では,カーネル限界学習器と誤り訂正出力符号化を組み合わせて,順序付けコードに基づくカーネル限界学習順序回帰モデルを提案した。このモデルは,どのように順序回帰において良好な特徴マッピングを得るか,および従来の限界学習装置における隠れ層ノードの個数を如何に回避するかは,人工的設定の問題に依存する。提案モデルの有効性を示すために,いくつかの順序回帰データセット上でテストを行い,その結果は,従来のELMモデルと比較して,この提案モデルが10.8%の精度で平均的に10.8%増加し,そして,データセットの予測が最適であり,そして,最短のトレーニング時間を得ることを示した。モデルの有効性を検証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  モデリング ,  機械学習 ,  誤り訂正
準シソーラス用語： 隠れ層 ,  局所最適解 ,  *順序回帰 ,  *順序づけ , 【Automatic Indexing@JST】

著者キーワード (4件)： Error correct output code ,  Ordinal regression ,  Extreme learning machine ,  Kernel function

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (6件)： 順序付け ,  カーネル ,  限界 ,  学習 ,  順序回帰 ,  モデル