文献

J-GLOBAL ID：201802270500776853   整理番号：18A1029492

特徴ベクトルとファジィパラメータ自己同調SVRアルゴリズムに基づく大規模データセットの実時間予測に関する研究【JST・京大機械翻訳】

Research on Real-Time Prediction of Large Scale Datasets Based on Feature Vectors and Fuzzy Parameter Self-tuning SVR Algorithm

著者 (3件)： Chen Yafeng ,  Zhang Xiaoming ,  Cao Guoqing
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： BigComp  ページ： 286-292  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： 従来のサポートベクトル回帰(SVR)は,大規模データセットの予測に適していないと考えられている。これは,計算コストが高く,効率が悪いだけでなく,実時間予測が不足しているためである。本論文では,特徴ベクトル(FV)並列訓練を用いて,計算負荷を大幅に低減し,訓練前時間を減少させることができる従来のモデルオフライン訓練を置き換えた。一方,ε非敏感損失関数(FAOSVR)に基づくファジィ自己同調法を提案し,特徴ベクトル訓練モデルによって引き起こされる劣った適合問題を解決し,オンライン予測誤差の効果的制御を達成した。15000以上の記録を含む表面変位データセットを用いてアルゴリズムの効果を検証した。実験結果は,効果的に変位の傾向を追跡することができて,オンラインモデルの精度を改良することができる上記の改良が,良い応用展望を持つ可能性があることを示した。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： 予測誤差 ,  *予測 ,  *曖昧さ ,  損失関数 ,  *アルゴリズム
準シソーラス用語： オンライン ,  計算負荷 ,  計算コスト ,  サポートベクトル回帰 ,  *実時間 ,  *大規模データセット ,  *セルフチューニング ,  *特徴ベクトル , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (10件)： 特徴ベクトル ,  ファジィ ,  パラメータ ,  自己同調 ,  SVR ,  アルゴリズム ,  大規模データセット ,  実時間 ,  予測 ,  研究