文献

J-GLOBAL ID：201902210377963180   整理番号：19A1586838

強化量子ベース神経回路網学習と署名検証への応用【JST・京大機械翻訳】

Enhanced quantum-based neural network learning and its application to signature verification

著者 (8件)： Patel Om Prakash (Department of Computer Science and Engineering, Indian Institute of Technology Indore, Simrol Indore, Madhya Pradesh, India) ,  Tiwari Aruna (Department of Computer Science and Engineering, Indian Institute of Technology Indore, Simrol Indore, Madhya Pradesh, India) ,  Chaudhary Rishabh (Department of Computer Science and Engineering, Indian Institute of Technology Indore, Simrol Indore, Madhya Pradesh, India) ,  Nuthalapati Sai Vidyaranya (Department of Computer Science and Engineering, Indian Institute of Technology Indore, Simrol Indore, Madhya Pradesh, India) ,  Bharill Neha (Department of Computer Science and Engineering, Indian Institute of Technology Indore, Simrol Indore, Madhya Pradesh, India) ,  Prasad Mukesh (Centre for Artificial Intelligence, School of Software, FEIT, University of Technology Sydney, Sydney, Australia) ,  Hussain Farookh Khadeer (Centre for Artificial Intelligence, School of Software, FEIT, University of Technology Sydney, Sydney, Australia) ,  Hussain Omar Khadeer (School of Business, University of New South Wales, Canberra, Australia)
資料名： Soft Computing  (Soft Computing)
巻： 23  号： 9  ページ： 3067-3080  発行年： 2019年 
JST資料番号： W1043A  ISSN： 1432-7643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文において,量子コンピューティング概念を用いてニューラルネットワークアーキテクチャを構築する強化量子ベースニューラルネットワーク学習アルゴリズム(EQNN-S)を,署名検証のために提案した。量子計算概念を用いて,ニューロンの接続重みと閾値を決定した。境界閾値パラメータを導入してニューロン閾値を最適に決定した。このパラメータは,効率的な学習を支援する閾値を決定するために,min,max関数を使用する。手動で調製した署名データセットを用いて,提案したアルゴリズムの性能を試験した。署名を一意的に同定するために,いくつかの新しい特徴を選択した。すなわち,署名に存在するループ数,境界計算,垂直および水平高密度パッチの数,角度測定である。合計45の特徴を各署名から抽出した。提案したアルゴリズムの性能を,60~40と70~30%の分割を用いて,これらの署名による厳密な訓練と試験により評価し,10倍の交差検証を行った。提案された量子ニューラルネットワークから得られた結果を比較するために,同じデータセットをサポートベクトルマシン,多層パーセプトロン,逆伝搬ニューラルネットワーク,およびNaive Bayesに関してテストした。提案したアルゴリズムの性能は,上記の方法と比較してより良いことがわかり,結果は提案したアルゴリズムの有効性を検証した。Copyright 2017 Springer-Verlag GmbH Germany, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習アルゴリズム ,  *学習 ,  アルゴリズム ,  *神経回路網 ,  有効性 ,  ニューロン ,  量子計算 ,  角度測定 ,  多層パーセプトロン ,  ニューラルネットワーク ,  サポートベクトルマシン ,  特徴抽出
準シソーラス用語： Naive Bayes ,  逆伝播ニューラルネットワーク ,  ニューラルネットワークアーキテクチャ , 【Automatic Indexing@JST】

著者キーワード (5件)： 量子計算 ,  ニューラルネットワーク ,  署名 ,  特徴抽出 ,  分類

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (7件)： 強化 ,  量子 ,  神経回路網 ,  学習 ,  署名 ,  検証 ,  応用