文献

J-GLOBAL ID：201902262443561129   整理番号：19A0487958

スパークフレームワークと並列PSOを用いた分散ESNのアルゴリズムと実装【JST・京大機械翻訳】

Algorithm and Implementation of Distributed ESN Using Spark Framework and Parallel PSO

著者 (4件)： Wu Kehe (School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China) ,  Zhu Yayun (School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China) ,  Li Quan (School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China) ,  Han Guolong (School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 7  号： 4  ページ： 353  発行年： 2017年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： エコー状態ネットワーク(ESN)は,まばらでランダムに接続された内部ノードを有する巨大な貯留層を採用し,出力重みを訓練するだけである。それは,従来の再帰ニューラルネットワーク(RNN)訓練によって直面する準最適問題,爆発および消失勾配,高複雑性および他の欠点を避ける。非線形動的系への顕著な適応に照らして,ESNは広範囲の応用に適用されてきた。しかし,Bigデータの時代において,膨大な量のデータが毎日連続的に発生するので,データはしばしば実際の応用に配布され,保存されており,集中化ESN訓練プロセスは技術的に不適切である傾向がある。実世界におけるBigデータアプリケーションの要求を達成するために,本研究では,分散ESN訓練のためのアルゴリズムとその実装を提案した。言及したアルゴリズムは,並列粒子群最適化(P-PSO)技術に基づいており,実装は有名な大規模データ処理フレームワークである。人工ベンチマーク,実世界データおよび画像データを含む4つの極端に大規模なデータセットを採用して,拡張可能なプラットフォーム上でのフレームワークを検証した。実験結果は,提案した研究が,速度,精度および一般化能力に関して,Bigデータの時代において正確であることを示した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  *アルゴリズム ,  動的系 ,  応用プログラム ,  ベンチマーク ,  集中化 ,  ニューラルネットワーク
準シソーラス用語： 画像データ ,  大規模データ ,  粒子群最適化 ,  複雑性 ,  貯留層 ,  エコー状態ネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： Echo状態ネットワーク ,  分散アルゴリズム ,  スパークフレームワーク ,  並列粒子群最適化 ,  機械学習 ,  ビッグデータ

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

引用文献 (54件)：

• Najibi, E.; Rostami, H. Scesn, spesn, swesn: Three recurrent neural echo state networks with clustered reservoirs for prediction of nonlinear and chaotic time series. Appl. Intell. 2015, 43, 460-472.
• Chen, D.; Burrell, P. On the optimal structure design of multilayer feedforward neural networks for pattern recognition. Int. J. Pattern Recognit. Artif. Intell. 2002, 16, 375-398.
• Van Der Smagt, P.P. Minimisation methods for training feedforward neural networks. Neural Netw. 1994, 7, 1-11.
• Wong, K.P. Artificial Intelligence and Neural Network Applications in Power Systems. In Proceedings of the 2nd International Conference on Advances in Power System Control, Operation & Management, Hong Kong, China, 7-10 December 1993; pp. 37-46.
• Lecun, Y.; Bottou, L.; Bengio, Y.; Haffner, P. Gradient-based learning applied to document recognition. Proc. IEEE 1998, 86, 2278-2324.

タイトルに関連する用語 (3件)： PSO ,  アルゴリズム ,  実装