文献

J-GLOBAL ID：201802274715487621   整理番号：18A0289422

IT2TSK FLSのための前件部発生の3のアプローチの比較分析【Powered by NICT】

Comparative analysis of three approaches of antecedent part generation for an IT2 TSK FLS

著者 (5件)： Hassan Saima (Department of Computer and Information Sciences at Universiti Teknologi PETRONAS, 31750, Tronoh, Perak, Malaysia) ,  Hassan Saima (Institute of Information Technology, Kohat University of Science and Technology, Kohat, KPK, Pakistan) ,  Khanesar Mojtaba Ahmadieh (Faculty of Electrical and Computer Engineering, Semnan University, Semnan, Iran) ,  Jaafar Jafreezal (Department of Computer and Information Sciences at Universiti Teknologi PETRONAS, 31750, Tronoh, Perak, Malaysia) ,  Khosravi Abbas (Centre for Intelligent Systems Research, Deakin University, Waurn Ponds Campus, Geelong, VIC, 3217, Australia)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 51  ページ： 130-144  発行年： 2017年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 極端学習機械は非反復推定法であるので,反復勾配ベースアルゴリズムよりも速かった。さらに,極端学習機械は,学習の割合,共分散行列などのような設計パラメータを持たない。よりマイルドな条件を用いたエクストリーム学習機械のユニバーサル近似の厳密な証明は,多くの異なる方法で好ましい選択になった。このアルゴリズムが区間タイプ2ファジィ論理システムの部分的に直線的に現れるパラメータの最適が,ランダムパラメータを用いるので前件部のパラメータのための最適ではない。本論文では,遺伝的アルゴリズムと人工蜂コロニーのような発見的最適化手法は区間タイプ2ファジィ論理システムの前件部のパラメータを最適化した。これらの方法は大域的最適化されているが,それらは局所最小に低下する可能性が少なく,は前件部のパラメータの選択に適している。ランダムと手動パラメータをもつ最適パラメータの比較解析が雑音のない場合と雑音Mackey-Glass時系列データセットと実世界データセットを用いて提示した。シミュレーション結果は,ランダムと手動パラメータを超えてこの考えを支持した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 学習 ,  *学習機械 ,  アルゴリズム ,  シミュレーション ,  最適化 ,  遺伝的アルゴリズム ,  雑音
準シソーラス用語： 時系列データ ,  最適パラメータ ,  大域的最適化 ,  人工ハチコロニー ,  タイプ2ファジィ論理 ,  設計変数 ,  共分散行列 ,  極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (4件)： 区間タイプ2ファジィ論理システム ,  極端学習機械 ,  先行パラメータ ,  最適学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： FLS ,  比較分析