文献

J-GLOBAL ID：201902258094765433   整理番号：19A2274643

カーネル極端学習機械によるスペクトルデータ分類【JST・京大機械翻訳】

Spectra data classification with kernel extreme learning machine

著者 (6件)： Zheng Wenbin (College of Software Engineering, Chengdu University of Information Technology, Chengdu, 610225, China) ,  Zheng Wenbin (Software Automatic Generation and Intelligent Service Key Laboratory of SiChuan Province, China) ,  Shu Hongping (College of Software Engineering, Chengdu University of Information Technology, Chengdu, 610225, China) ,  Shu Hongping (Software Automatic Generation and Intelligent Service Key Laboratory of SiChuan Province, China) ,  Tang Hong (College of Engineering, Sichuan Normal University, Chengdu 610068, China) ,  Zhang Haiqing (College of Software Engineering, Chengdu University of Information Technology, Chengdu, 610225, China)
資料名： Chemometrics and Intelligent Laboratory Systems  (Chemometrics and Intelligent Laboratory Systems)
巻： 192  ページ： Null  発行年： 2019年 
JST資料番号： E0150B  ISSN： 0169-7439  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： ケモメトリックスにおける最も重要な問題の1つは,高い分類精度を有するスペクトルデータのためのロバストな分類器を設計する方法である。極値学習機械(ELM)は,多数のパターン認識問題に対する有効な方法であることが証明されている。しかし,ELMの隠れ層ノード設定のランダム性は,隠れ層出力行列の振動を引き起こし,このモデルの安定性を低下させる可能性がある。本論文では,隠れ層出力の計算を回避し,カーネル行列において本質的に符号化することができるカーネル極値学習機械(KELM)を用いたスペクトルデータ分類のためのフレームワークを提案した。さらに,KELMは隠れ層特徴マッピング関数を特定する必要がなく,隠れノードの数を与える必要がなく,それは広範なマッピング計算を避けることができる。提案フレームワークは,KELMによる分類実装と同様に,スペクトル前処理と次元縮小の2つの段階を含んでいる。4つのデータセットに関する実験結果は,動径基底関数(RBF)がこの種の応用のための優先的な候補カーネル関数であり,パラメータ選択の提案も実験的に与えられることを明らかにした。さらに,KELMの分類精度は,ほとんどの場合にELMより優れており,KELMは,訓練サンプル数が比較的小さい場合,ELMよりも著しく速く,ケモメトリックスにおけるスペクトルデータの一般的な場合である。したがって,KELMは迅速なスペクトルデータ分類のための有望な方法である可能性がある。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  次元縮小 ,  ケモメトリックス ,  動径基底関数 ,  *学習機械 ,  前処理 ,  *スペクトル ,  ロバスト性
準シソーラス用語： パラメータ選択 ,  Kernel関数 ,  ランダム性 ,  隠れ層 ,  分類精度 ,  *スペクトルデータ ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (5件)： スペクトルデータ ,  ケモメトリックス ,  分類 ,  極端学習機械 ,  カーネル

分類 (3件)： 数値計算  (JE02000J) ,  分子・遺伝情報処理  (JE15040B) ,  化学一般その他  (CA01060X)

タイトルに関連する用語 (4件)： カーネル ,  極端学習機械 ,  スペクトル ,  データ分類