文献

J-GLOBAL ID：201902267704197024   整理番号：19A0517375

ロバスト正則化ランダムベクトル汎関数リンクネットワークとその産業応用【JST・京大機械翻訳】

Robust Regularized Random Vector Functional Link Network and Its Industrial Application

著者 (5件)： Dai Wei (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China) ,  Chen Qixin (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China) ,  Chu Fei (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China) ,  Ma Xiaoping (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China) ,  Chai Tianyou (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, Shenyang, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 16162-16172  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 複雑な工業プロセスの生産品質指標は,通常,実時間で測定するのが困難であり,閉ループ操作最適化と制御の非利用性をもたらす。したがって,データ駆動モデリング技術は,オンラインで生産品質指標を推定するために広く使われてきた。しかし,従来のデータ駆動モデリング法は,異常値からの干渉のために,しばしば良好な性能を達成することができない。上記の問題を解決するために,本論文では,出力重みを評価するために,各訓練サンプルに対する重み付き因子を持つリッジ正則化モデルを採用した,新しい訓練法を用いた改良ランダムベクトル関数リンクネットワーク(RVFLN)を提案した。モデルのロバスト性は,訓練サンプルに従って加重因子を割り当てるために,ノンパラメトリックカーネル密度推定法を採用することによって達成された。オンライン応用におけるネットワークの品質と計算負荷を確実にするために,様々なオンライン学習バージョンをデータサンプリングの範囲に従って提示した。ロバスト正則化RVFLNと呼ばれる改良RVFLNを,UCI,StatLib標準データセット,および工業的研削操作データを用いて検証した。結果は,提案したモデリング技術が有利に機能し,実世界応用に対して良好な可能性を示すことを示した。Copyright 2019 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： ノンパラメトリック法 ,  異常値 ,  *正則化 ,  品質 ,  STAT転写因子 ,  *ネットワーク ,  最適化 ,  *ロバスト性 ,  モデリング ,  研削 ,  *ベクトル
準シソーラス用語： オンライン学習 ,  加重 ,  オンライン ,  データ駆動 , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (6件)： ロバスト ,  正則化 ,  ベクトル ,  汎関数 ,  リンク ,  産業応用