文献

J-GLOBAL ID：201802293043679069   整理番号：18A1907682

予測間隔のための部分的敵対訓練【JST・京大機械翻訳】

Partial Adversarial Training for Prediction Interval

著者 (4件)： Kabir H M Dipu (Institute for Intelligent Systems Research and Innovation (IISRI), Deakin University, Australia) ,  Khosravi Abbas (Institute for Intelligent Systems Research and Innovation (IISRI), Deakin University, Australia) ,  Hosen M Anwar (Institute for Intelligent Systems Research and Innovation (IISRI), Deakin University, Australia) ,  Nahavandi Saeid (Institute for Intelligent Systems Research and Innovation (IISRI), Deakin University, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-6  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： ニューラルネットワーク(NN)に基づく予測または検出システムは,1~5%の困難な問題を考慮することなく,容易な問題によりしばしば優れた性能を発揮する。本研究では,予測区間(PI)を構築するための,敵のNN訓練法を提案した。提案した訓練方法は,従来のNNベースのPIが頻繁に失敗する悪い状況を考慮する。最初に,従来の下限推定(LUBE)法を,異なる初期化によるNNの初期訓練のために並列に適用した。各NNベースPIは,少数のサンプルをカバーすることができない。これらの試料の入力組合せは,有害試料を発生させるために少量で逆に変化する。新しいデータセットを,有害サンプルを追加することによって生成した。最後に,NNを逆データセットで訓練した。この方法を適用して風力予測のためのNNを構築した。結果分析によると,提案方法は悪い状況でより良く機能する。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： ニューラルネットワーク ,  小規模 ,  風力 ,  *予測
準シソーラス用語： 検知システム , 【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 (3件)： 予測 ,  敵対 ,  訓練