文献

J-GLOBAL ID：202002216426984485   整理番号：20A1863619

階層的貯水池コンピュータの神経進化【JST・京大機械翻訳】

Neuroevolution of hierarchical reservoir computers

著者 (1件)： Dale Matthew (York Cross-disciplinary Centre for Systems Analysis (YCCSA), York, United Kingdom)
資料名： ACM Proceedings  (ACM Proceedings)
号： GECCO ’18  ページ： 410-417  発行年： 2018年 
JST資料番号： D0698C  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： Echo状態ネットワーク(ESN)のような貯水池コンピュータは,教師つき学習問題のための高速訓練と最先端の性能を提供する代替再帰ニューラルネットワークモデルである。古典的ESNは2つの制限を受ける。多重時間的および空間的スケールのハイパーパラメータ選択および学習。多重スケールを学習するために,階層構造を提案し,手動調整を克服するために,最適化を用いた。しかし,階層構造の自律設計とマルチ貯水池システムの最適化はまだ実証されていない。本研究では,ニューロン(ESNs)のサブネットワークを相互接続し,貯水池を形成するため,進化可能なアーキテクチャを提案した。微生物GAと呼ばれる遺伝的アルゴリズム(GA)を用いて,各サブネットワーク,ハイパーパラメータ,グローバル連結性およびその階層構造の設計を進化させた。RoRと微生物GAを評価するために,単一ネットワークと他の階層的ESNを進化させた。結果は,微生物GAが,他の最適化技術と比較して,単一ネットワークの性能を劇的に増加させることができることを示した。また,進化プロセスは,単一ネットワークよりも少ない接続を持つにもかかわらず,RoRsと他の階層的ESNとの競合結果をもたらす。最後のセクションでは,RoRアーキテクチャは一般化された特徴の他のアーキテクチャを学習し,他のタスクに対するネットワーク一般化の改善を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *貯水池 ,  ネットワーク ,  ニューロン ,  最適化手法 ,  微生物 ,  相互接続 ,  教師つき学習 ,  多重化 ,  階層構造 ,  計算機アーキテクチャ ,  *コンピュータ ,  遺伝的アルゴリズム
準シソーラス用語： 自律性 ,  神経回路網モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： エコー状態ネットワーク ,  微生物GA ,  神経進化 ,  貯水池計算

分類 (4件)： 貯水池,調整池  (RC16030Z) ,  湖沼汚濁  (SB02030Q) ,  水資源  (RC11020F) ,  流出解析  (DC07030N)

タイトルに関連する用語 (4件)： 貯水池 ,  コンピュータ ,  神経 ,  進化