文献

J-GLOBAL ID：201802258684834038   整理番号：18A0518606

多層多目的極端学習機械【Powered by NICT】

Multi layer multi objective extreme learning machine

著者 (5件)： Lekamalage Chamara Kasun Liyanaarachchi (Nanyang Technological University) ,  Song Kang (Nanyang Technological University) ,  Huang Guang-Bin (Nanyang Technological University) ,  Cui Dongshun (Nanyang Technological University) ,  Liang Ken (Delta Electronics)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 1297-1301  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： ディープBoltzmannマシン(DBM)のような完全に接続された多層ニューラルネットワークは画像分類タスクにおける完全に連結した単層神経回路網よりも良く機能し,多層ELM(MLELM)と階層的ELM(H ELM)しかし,ML ELMおよびHELMのような完全に連結した多層ニューラルネットワークはDBMより小さい訓練時間を持つベース極端学習機械(ELM)よりもより少ない数の隠れ層ニューロンであった。DBMよりDBMとより小さな訓練時間と同様の数の隠れ層のパラメータを持つネットワークモデルを学習するために,ラベルと非線形情報を通過する多目的定式化を用いた多層多目的極端学習機械(MLMO ELM)と呼ぶ完全に連結した多層ニューラルネットワークを紹介した。実験結果はMLMO ELMは,OCRとNORBデータセットにDBM,ML ELMおよびHELMより優れていることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 単一層 ,  定式化 ,  *多層 ,  Boltzmannマシン ,  神経回路網 ,  ニューロン
準シソーラス用語： ネットワークモデル ,  隠れ層 ,  画像分類 ,  ディープニューラルネットワーク ,  *極度学習機械 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 多層 ,  多目的 ,  極端学習機械