文献

J-GLOBAL ID：201902282725993698   整理番号：19A1542178

動径基底関数ニューラルネットワークのロバスト訓練【JST・京大機械翻訳】

Robust Training of Radial Basis Function Neural Networks

著者 (2件)： Kalina Jan (Institute of Computer Science, The Czech Academy of Sciences, Prague 8, Czech Republic) ,  Vidnerova Petra (Institute of Computer Science, The Czech Academy of Sciences, Prague 8, Czech Republic)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11508  ページ： 113-124  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  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： 動径基底関数(RBF)ニューラルネットワークは,非線形回帰モデリングへの様々な興味ある応用を有する確立された機械学習ツールを表す。しかしながら,それらの性能は,異常な測定(異常値)によって実質的に影響される可能性がある。RBFネットワーク訓練の有望な修正は,異常値により汚染されたデータの分類に利用可能であるが,回帰コンテキストにおけるRBFネットワークのロバストな訓練のギャップが残っている。本論文では,後方サブサンプル選択(すなわちインスタンス選択)に基づく新しいロバスト手法を提案し,これを示した。これは,観測の最も信頼できる部分集合を逐次的に探索し,最終的に異常値削除を実行する。この新しいアプローチを数値実験で調べ,多層パーセプトロンを回転させるためにも適用した。異常値を含むデータに関する結果は,従来の手法と比較して改善された性能を明らかにした。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ロバスト性 ,  異常値 ,  *ニューラルネットワーク ,  *動径基底関数 ,  多層パーセプトロン ,  機械学習 ,  部分集合 ,  動径基底関数ネットワーク
準シソーラス用語： 数値実験 ,  インスタンス選択 ,  学習ツール ,  *動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  異常値 ,  ロバスト性 ,  部分集合選択 ,  異常検出

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 動径基底関数ニューラルネットワーク ,  ロバスト ,  訓練