文献

J-GLOBAL ID：201802284619397168   整理番号：18A0422178

データストリームのための節約型ランダムベクトル汎関数リンクネットワーク【Powered by NICT】

Parsimonious random vector functional link network for data streams

著者 (4件)： Pratama Mahardhika (School of Computer Science and Engineering, Nanyang Technological University, Singapore 639798, Singapore) ,  Angelov Plamen P. (School of Computing and Communication, Lancaster University, Lancaster, UK) ,  Lughofer Edwin (Department of Knowledge-based Mathematical Systems, Johannes Kepler University, Linz, Austria) ,  Joo Er Meng (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore)
資料名： Information Sciences  (Information Sciences)
巻： 430-431  ページ： 519-537  発行年： 2018年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  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： バッチ学習シナリオの下で動作し,自己組織化特性を欠いているためランダムベクトル汎関数リンクネットワーク(RVFLNs)に関する既存の研究の大部分はデータストリーム分析のためのスケーラブルではない。新しいRVLFN,すなわち倹約ランダムベクトル汎関数リンクネットワーク(pRVFLN),を提案した。pRVFLNはそのネットワーク構造はスクラッチから構成される完全にフレキシブルなと適応動作原理を採用し,自動的に生成された,剪定されたおよびデータストリームからの想起できる。pRVFLNである進行中に入力属性を選択し,除外できるだけでなく,モデル更新のための重要な訓練サンプルを抽出することができた。さらに,pRVFLNを実際のデータ分布を反映する完全に隠れノードのノンパラメトリック型を紹介し,クラスタの特殊な形状により制約されなかった。pRVFLNの全ての学習手順が厳密に単一パス学習モード,オンラインタイムクリティカルな応用に適用可能である,に従った。pRVFLNの利点は,実世界データストリームを持つ多数のシミュレーションにより検証した。最低複雑性を課しながら,同等であり,より高い予測精度を示したが最近発表されたアルゴリズムに対してベンチマークした。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： 神経回路網 ,  *汎関数 ,  ベンチマーク ,  学習 ,  クラスタ ,  ネットワーク構造 ,  自己組織化 ,  ノンパラメトリック法 ,  アルゴリズム
準シソーラス用語： オンライン ,  予測精度 ,  低複雑性 ,  モデル更新 ,  動作原理 ,  *データストリーム , 【Automatic Indexing@JST】

著者キーワード (5件)： ランダムベクトル汎関数リンク ,  進化するインテリジェントシステム ,  オンライン学習 ,  オンライン同定 ,  無作為化神経回路網

分類 (4件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  無線通信一般  (ND08010L) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (5件)： データストリーム ,  節約 ,  ベクトル ,  汎関数 ,  リンク