文献

J-GLOBAL ID：201802253400645247   整理番号：18A1811431

重心選択のためのDBSCANクラスタリングアルゴリズムを用いた縮小KELMモデル【JST・京大機械翻訳】

A Reduced KELM model using DBSCAN Clustering algorithm for centroid selection

著者 (2件)： Jain Sukirty (Maulana Azad National Institute of Technology, Bhopal, 462003, India) ,  Shukla Sanyam (Maulana Azad National Institute of Technology, Bhopal, 462003, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SPIN  ページ： 702-707  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： 極値学習機械(ELM)は,単一層フィードフォワード神経回路網(SLFN)であり,分類と回帰問題のための一般的分類器である。それは隠れ層と入力層の間の重みのランダム初期化により不安定である。不安定性のこの問題を克服するために,カーネルを有するカーネル化ELMを開発した。Gaussカーネル極値学習機械(KELM)は,隠れ層ニューロンの数が入力インスタンスの数に等しいELMの安定ではあるが計算的に複雑な変種の一つである。したがって,この計算の複雑さを低減するために,KELMの新しい変種,すなわち,再構成されたKELMを,文献において提案した。それは,重心の数が入力インスタンスの数より常に少ないように,訓練データセットから重心の数をランダムに選択する。本研究では,密度ベースのクラスタリングアルゴリズム(DBSCAN)を用いて,KELMの新しい縮小版を開発した。DBSCANは,概念の数を同定するために使用される非球状クラスタリングアルゴリズムである。各概念はクラスタの重心を用いて表現される。提案したKELMモデルにおいて,隠れ層ニューロンの数はDBSCANクラスタリングアルゴリズムによって形成されたクラスタの数に等しい。KEELデータセットリポジトリから得た16のデータセットについて実験を行った。結果は,開発したKELMモデルが,訓練時間と試験時間の短縮に関して,従来のKELMと比較して,より良い性能を与えることを示した。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： リポジトリ ,  神経回路網 ,  フィードフォワード ,  計算量 ,  ニューロン ,  単一層 ,  再構成 ,  *重心 ,  学習機械 ,  *クラスタ ,  不安定性
準シソーラス用語： 訓練データ ,  カーネル化 ,  隠れ層 ,  *クラスタリングアルゴリズム , 【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)： 重心 ,  クラスタリングアルゴリズム ,  縮小 ,  モデル