文献

J-GLOBAL ID：201902277732595325   整理番号：19A2177893

時系列予測の特徴学習のための連続深層信念ネットワークに関する研究【JST・京大機械翻訳】

Research on a Continuous Deep Belief Network for Feature Learning of Time Series Prediction

著者 (4件)： Chen Qili (Faculty of Information Technology, Beijing University of Technology, Beijing, 100124, China) ,  Pan Guangyuan (Civil and Environmental Engineering, University of Waterloo, Waterloo, Canada) ,  Qiao Junfei (Faculty of Information Technology, Beijing University of Technology, Beijing, 100124, China) ,  Yu Ming (Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong SAR, 999077, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CCDC  ページ： 5977-5983  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文では,連続データを扱うときの弱い特徴学習能力の問題に焦点を合わせて,2つの隠れ層を有する連続的深い信念ネットワーク(cDBN)を提案した。cDBNにおいて,入力データを,伝達関数の連続バージョンを用いることによって教師なしの方法で訓練し,収束速度を上げるために,逆拡散を,収束速度を上げるために設計し,次に,改良ドロップアウト戦略を,教師なし訓練において設計し,そして,次に,ネットワークを,逆伝搬アルゴリズムを用いて,微調整した。最後に,CATSベンチマークおよび廃水パラメータ予測に関する実験は,cDBNが他の方法より高い精度,より単純な構造およびより速い収束速度の利点を有することを示した。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： *学習 ,  廃水 ,  パラメータ推定 ,  *ネットワーク ,  伝達関数 ,  *深層 ,  ベンチマーク ,  逆伝搬アルゴリズム ,  収束速度 ,  隠れ層 ,  学習能力 ,  *時系列予測 ,  廃棄物 ,  液状廃棄物
準シソーラス用語： 微調整 ,  入力データ ,  *信念ネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 時系列予測 ,  学習 ,  深層 ,  信念ネットワーク ,  研究