文献

J-GLOBAL ID：201802277402564832   整理番号：18A1899682

脳波カオスパターンのシミュレーションと予測のための訓練データの最適化による人工神経回路網訓練の有効性の改善【JST・京大機械翻訳】

Improving the Efficacy of Artificial Neural Network Training by Optimizing Training Data for the Simulation and Prediction of Electroencephalogram Chaotic Patterns

著者 (1件)： Zhang Lei (Faculty of Engineering and Applied Science, University of Regina, Regina, Saskatchewan, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICCI*CC  ページ： 145-153  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： 本論文では,学習データの品質とサイズを,Lorenzカオスシステムを生成するための人工ニューラルネットワーク(ANN)の訓練効率を改善するために研究し,非線形自己回帰(NAR)モデルを用いて時系列出力を予測した。設計されたNAR ANNモデルは,脳活動から捕捉された脳波(EEG)信号のシミュレーションと解析のために使用される。単一隠れ層を有する単純なANNトポロジーを用いて,隠れニューロン数(n=3~16)と入力遅れ(d=1~4)を有する異なるANNアーキテクチャを,MATLABニューラルネットワークツールボックスを用いてLevenberg-Marquardtアルゴリズムで訓練した。訓練データの2つの側面を比較することにより,訓練結果を調べた。任意の与えられたANNアーキテクチャに対して,学習性能はLorenzシステムの場合にのみ訓練データサイズを増加させることにより改善できず,ANNベースのNARモデルを訓練するために必要なEEG信号の訓練データサイズを低減するのに有用な知識であることが分かった。他方では,訓練性能は,同じサイズで,より良い精度で訓練データによって改善することができる。さらに,同じサイズと精度を持つ訓練データを用いると,訓練性能は訓練に用いるLorenzカオス軌跡のセグメントに依存し,訓練データにより表現される選択セグメントの変化率が高い場合には悪化する。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： 品質 ,  軌跡 ,  *カオス ,  *脳波 ,  *最適化 ,  計算機アーキテクチャ ,  ニューロン ,  *ニューラルネットワーク ,  位相幾何学
準シソーラス用語： ツールキット ,  MATLAB ,  隠れ層 ,  脳活動 ,  自己回帰 ,  *訓練データ , 【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 (8件)： 脳波 ,  カオス ,  シミュレーション ,  予測 ,  訓練データ ,  最適化 ,  人工神経回路網 ,  訓練