文献

J-GLOBAL ID：202002223442444127   整理番号：20A1384836

最適化限界学習機とその脳卒中TCDデータ分類への応用【JST・京大機械翻訳】

Optimized Extreme Learning Machine and Its Application in Classification of Stroke TCD Data

著者 (6件)： Geng Yinfeng (太原理工大学 信息与計算机学院,太原,030024) ,  Zhang Xueying (太原理工大学 信息与計算机学院,太原,030024) ,  Li Fenglian (太原理工大学 信息与計算机学院,太原,030024) ,  Hu Fengyun (山西省人民医院 神経内科,太原,030012) ,  Jia Wenhui (山西省人民医院 神経内科,太原,030012) ,  Wang Chao (山西省人民医院 神経内科,太原,030012)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 56  号： 10  ページ： 268-272  発行年： 2020年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 脳卒中の経頭蓋ドップラー(TranscranialDoppler、TCD)データ分類の効率と精度を高めるため、コウモリアルゴリズム(BatAlgorithm)を応用した。BA)最適化限界学習機械(ExtremeLearningMachine,ELM)モデルを採用して脳卒中分類予測を行った。訓練ELMモデルにおいて,隠れ層入力重み行列と隠れ層閾値行列要素によるランダム性がモデル性能に影響した。このために、BAを利用してELMパラメータ中の入力重み行列と隠れ層閾値行列に対して最適化を行い、BA-ELMモデルを用いて実験に用いたTCDデータセットを分類した。実験結果は,BA-ELMモデルの分類精度が,ELMより22.77%高く,効果的に脳卒中予測を行うことができることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  *学習 ,  学習機械 ,  *脳卒中
準シソーラス用語： 経頭蓋Doppler超音波検査法 ,  行列要素 ,  ランダム性 ,  隠れ層 ,  分類精度 ,  *データ分類 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 最適化 ,  限界 ,  学習 ,  脳卒中 ,  TCD ,  データ分類 ,  応用