文献

J-GLOBAL ID：201802267710559589   整理番号：18A0244805

3層アナログ回路の故障診断のための多重カーネル学習モデル【Powered by NICT】

A three layers multiple kernel learning model for analog circuit fault diagnosis

著者 (3件)： Wei Zhang (Office of Research & Development, Naval Aeronautical and Astronautical University, Yantai 264001, China) ,  Aiqiang Xu (Office of Research & Development, Naval Aeronautical and Astronautical University, Yantai 264001, China) ,  Dianfa Ping (Department of Electronic and Information Engineering, Naval Aeronautical and Astronautical University, Yantai, 264001, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICEMI  ページ： 47-52  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： マルチカーネル診断モデルの性能を改善するために,極端学習機械(ELM)のための新しい三層マルチカーネル学習(MKL)アルゴリズムは,AdaBoost戦略と半径組み込みMK ELMを組み合わせることにより提示した。,改善されたMK ELMモデルは最小包囲ボール(MEB)の半径を置換全データ散乱行列のトレースと分類誤差を置換重み付き分類誤差により確立した。,改善されたMK ELMモデル,多項式カーネル,LaplaceカーネルおよびGaussカーネルに基づく三段階反復法によって構成される三層適応ブースティングの枠組み。このようにして,提案したフレームワークは,分類器の性能を改善していくに優れた戦略を提供した。実験結果により,このアルゴリズムが四種類の最先端レベルMKLモデルと比較して全体的に最良の診断性能を持つことを示した。具体的には,筆者らのアルゴリズムが半径組み込みMK ELMと同等またはより優れた分類性能を達成することができる,非常に少ない計算コストを招く。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： 逐次近似 ,  *故障診断 ,  多項式 ,  アルゴリズム ,  *アナログ回路
準シソーラス用語： 計算コスト ,  診断効率 ,  最先端 ,  ブースティング ,  Gaussカーネル ,  AdaBoost ,  マルチカーネル学習 ,  極度学習機械 ,  診断モデル ,  *Kernel法 , 【Automatic Indexing@JST】

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 (5件)： アナログ回路 ,  故障診断 ,  多重 ,  カーネル ,  学習モデル