文献

J-GLOBAL ID：202002214186296499   整理番号：20A1241576

Henryガス溶解度最適化アルゴリズムを用いたサポートベクトル回帰のパラメータ最適化【JST・京大機械翻訳】

Parameter Optimization of Support Vector Regression Using Henry Gas Solubility Optimization Algorithm

著者 (3件)： Cao Weidong (College of IoT Engineering, Hohai University, Changzhou, China) ,  Liu Xin (College of IoT Engineering, Hohai University, Changzhou, China) ,  Ni Jianjun (College of IoT Engineering, Hohai University, Changzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 88633-88642  発行年： 2020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： サポートベクトル回帰(SVR)は,予測に関する最も強力で広く使われている機械学習アルゴリズムの一つである。カーネルタイプ,ペナルティ因子,および他のパラメータは,SVRの効率と性能に深く影響する。これらのパラメータの最適化はホットな問題である。本研究では,Henryガス溶解度最適化アルゴリズム(HGSO)を用いたSVRに基づく予測手法を提案した。これはHenryの法則によって触発された最近のメタ発見的アルゴリズムである。最初に,SVRパラメータをいくつかの特定の範囲でランダムに生成して,パラメータ母集団を形成した。第二に,予測精度(PA)を母集団とSVRを用いて得た。第3に,母集団と最適SVRパラメータを,PAとHGSOを通して更新した。カットオフ条件が満たされるまで,2番目と3番目のステップを繰り返す。10の低および高次元ベンチマークデータセットを用いて,提示したアプローチおよび他のよく知られたアルゴリズムの予測精度,収束性能および計算複雑性を評価した。実験結果は,著者らの方式が最適総合性能を持つことを明らかにした。Copyright 2020 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： 予測技法 ,  *アルゴリズム ,  *最適化 ,  *最適化手法 ,  計算量 ,  高次元 ,  母集団 ,  ペナルティ ,  学習アルゴリズム
準シソーラス用語： *パラメータ最適化 ,  予測精度 ,  発見的アルゴリズム ,  カットオフ ,  *サポートベクトル回帰 ,  *ガス溶解度 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (4件)： ガス溶解度 ,  最適化アルゴリズム ,  サポートベクトル回帰 ,  パラメータ最適化