文献

J-GLOBAL ID：201902283718673546   整理番号：19A0131954

極端学習機械に基づく乳製品品質リスクの予測【JST・京大機械翻訳】

Prediction of Dairy Product Quality Risk Based on Extreme Learning Machine

著者 (7件)： Zhang Ruifang ,  Zhou Lin ,  Zuo Min ,  Zhang Qingchuan ,  Bi Mingwen ,  Jin Qingyu ,  Xu Zelong
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICDSBA  ページ： 448-456  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： 機械学習の使用は,データの目的法則を研究することができて,データ間の関係を見つけ出すことができた。しかし,データ分類と予測を達成することもできた。本論文は酪農製品のリスク安全性を予測するための研究のための乳製品試験データのための国家食品安全サンプリングプラットフォームに基づいている。まず第一に,乳製品のサンプリングデータをデータベースから選択し,データを前処理した。次に,特性データを選択し,これらのデータに分類した。最後に,鍵となる食品安全リスク早期警戒モデルを,それぞれ,極値学習機械(ELM)とカーネルベースの極端な学習機械(K-ELM)を用いて構築した。通常用いられるBPニューラルネットワークとサポートベクトルマシン(SVM)ネットワークコントラスト。ELMとK-ELMの後,再び実験結果を比較した。実験結果から,カーネル極値学習機械に基づくニューラルネットワークアルゴリズムは,食品安全予測において高い精度を有し,訓練時間は短いことがわかった。食品安全性の極端な学習機械効果的予測を通して,食品の品質と安全性を調整して,中国における食品安全性の品質を保護する。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： ネットワーク ,  *学習機械 ,  食品安全性 ,  *乳製品 ,  前処理 ,  サポートベクトルマシン ,  ニューラルネットワーク ,  *予測 ,  コントラスト ,  機械学習 ,  アルゴリズム ,  食品 ,  *品質 ,  データベース
準シソーラス用語： データ分類 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (5件)： 極端学習機械 ,  乳 ,  製品品質 ,  リスク ,  予測