文献

J-GLOBAL ID：201902283278444270   整理番号：19A0641836

GP-RVM 関連ベクトルマシンを用いた遺伝的プログラミングに基づく記号回帰【JST・京大機械翻訳】

GP-RVM: Genetic Programing-Based Symbolic Regression Using Relevance Vector Machine

著者 (3件)： Iba Hitoshi ,  Feng Ji ,  Izadi Rad Hossein
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SMC  ページ： 255-262  発行年： 2018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,基底関数の最適集合を進化させるために,Kaizenプログラミングと呼ばれる遺伝的プログラミングの拡張版を組み合わせた,シンバル回帰問題に対するハイブリッド基底関数構築法(GP-RVM)を提案した。単一個体が完全な解である従来の進化アルゴリズムと異なり,著者らの方法は進化過程の間に個体から構築された基底関数の線形結合に基づく解を提案する。スパースBayesカーネル法であるRVMは,基底を構成するための適切な関数を選択する。RVMは,その品質とスパース性を評価することにより,機能の後部重みを決定する。GP-RVMにより生成された解は,多くの非線形関数の係数のスパースBayes線形モデルである。ハイブリッドアプローチは,データに関する事前知識なしでロバストな予測を構築するために,関数の正しい組合せを選択する非線形白色ボックスモデルに焦点を合わせた。実験結果は,GP-RVMが従来の方法より優れていることを示して,それはSRを解明するための効率的で正確な技術であることを示唆した。Mが基底集合における関数の数であるO(M3)におけるGP-RVMスケールの計算複雑性は,訓練パターンの数Nより典型的にはるかに小さい。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： 基底関数 ,  ロバスト性 ,  計算量 ,  遺伝的プログラミング ,  品質 ,  *基底
準シソーラス用語： 事前知識 ,  線形モデル ,  非線形関数 ,  スパース性 ,  スパース ,  Kernel法 ,  線形結合 ,  進化的アルゴリズム ,  *関連ベクトルマシン , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： GP ,  関連ベクトルマシン ,  遺伝的プログラミング ,  記号