文献

J-GLOBAL ID：201902257053785767   整理番号：19A2423380

HapSoenn:ハイブリッド加速粒子群最適化Elmanニューラルネットワーク【JST・京大機械翻訳】

HAPSOENN: Hybrid Accelerated Particle Swarm Optimized Elman Neural Network

著者 (4件)： Nawi Nazri Mohd. (Faculty of Computer Science and Information Technology, Soft Computing and Data Mining Centre, Universiti Tun Hussein Onn Malaysia (UTHM), Parit Raja, Batupahat, Johor Darultakzim, Malaysia) ,  Khan Abdullah (Institute of Business and Management Science, Agriculture University Peshawar, Peshawar, Pakistan) ,  Muhamadan Nurul Syazwani (Faculty of Computer Science and Information Technology, Soft Computing and Data Mining Centre, Universiti Tun Hussein Onn Malaysia (UTHM), Parit Raja, Batupahat, Johor Darultakzim, Malaysia) ,  Rehman M. Z. (Department of Computer Science and Information Technology, University of Lahore, Sihala, Pakistan)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 520  ページ： 315-322  発行年： 2019年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
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： 逆伝搬(BP)アルゴリズムは,ANNの訓練プロセスの非常に一般的な最適化手順である。しかしながら,従来のBPには,局所的最小値における停止とネットワーク停滞のようないくつかの欠点がある。最近,いくつかの研究は,学習の間,より速くてより正確な結果を得るために,逆伝搬アルゴリズムで訓練されたElmanニューラルネットワーク(ENN)の使用を提案した。しかし,ENNの性能は,ネットワークの初期重みに依然としてかなり依存している。本論文では,加速粒子群最適化(APSO)を用いてネットワーク重みを適応させるHAPSOENNとして知られている新しい方法を,ENNの性能を改善する機構として提案した。提案したアルゴリズムの性能を,ベンチマーク分類データセット上で,逆伝搬ニューラルネットワーク(BPNN)および他の類似ハイブリッド変種と比較した。シミュレーション結果は,提案した技術がより良く機能し,MSEと精度に関して他のアルゴリズムより速い収束を持つことを示した。Copyright 2019 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ベンチマーク ,  シミュレーション ,  *ネットワーク ,  アルゴリズム ,  *最適化 ,  計算機シミュレーション
準シソーラス用語： 逆伝播ニューラルネットワーク ,  逆伝搬アルゴリズム ,  *Elmanニューラルネットワーク ,  *粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： リカレントニューラルネットワーク ,  Elman神経回路網 ,  グローバル最小 ,  勾配降下 ,  局所最小値

分類 (2件)： その他のオペレーションズリサーチの手法  (KA03070E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 加速 ,  粒子群最適化 ,  Elmanニューラルネットワーク