文献

J-GLOBAL ID：202002235095001143   整理番号：20A0913266

太陽フレア予測のためのSVM統合事例ベースGAにおける多様性の維持【JST・京大機械翻訳】

Maintaining Diversity in an SVM integrated Case Based GA for Solar Flare Prediction

著者 (9件)： Taniguchi Yoshio (Hitachi Industry & Control Solutions, Ltd.,Yokohama,Japan) ,  Kubota Yoshihiko (Tokyo Denki University,School of System Design and Technology,Tokyo,Japan) ,  Tsuruta Setsuo (Tokyo Denki University,School of System Design and Technology,Tokyo,Japan) ,  Mizuno Yoshiyuki (Kyoto Women’s University,Faculty for the Study of Contemporary Society,Kyoto,Japan) ,  Muranushi Takayuki (RIKEN Advanced Institute of Computational Science,Kobe,Japan) ,  Muranushi Yuko Hada (Kyoto University,Kwasan and Hida Observatories,Kyoto,Japan) ,  Sakurai Yoshitaka (Meiji University,School of Interdisciplinary Sciences,Tokyo,Japan) ,  Knauf Rainer (Technische Universitaet Ilmenau,Dept. of Computer Science and Automation,Ilmenau,Germany) ,  Kutics Andrea (International Christian University,Dept. of Natural Sciences,Tokyo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： SSCI  ページ： 353-360  発行年： 2019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： 異常に強い太陽フレアは,電気/原子力発電所の損傷のような重大な災害を引き起こす可能性がある。それは高度に要求されているが,利用可能なデータの不均衡な特性のために強い太陽フレアを予測することは非常に困難である。この問題に対処するために,著者らは以前に開発し,サポートベクトルマシン(SVM)である局所最適化器を含む事例ベース遺伝的アルゴリズム(CBGALO)を適用した。しかし,予測性能は学習の入力データに大きく依存する。これにより,CBGALOは,学習特徴と入力データ(CBRsGcmbGA)の両方に対して,自動的に再起動可能なGood組合せ探索GAを用いてさらに拡張される。強力ではあるが計算的に高価なDeep学習さえも自動的に(進化的には進化的に)学習データを探索することはできない。著者らのアプローチは,この問題を事例ベースのアプローチによって少し良く解いた。しかし,本研究は,局所最適化への落下における典型的なGA効果に悩まされていることが明らかになった。この結果を改善するために,GAの母集団におけるエリート個体として事例ベースに大きなHamming距離を持つ良好な個体を挿入する多様性維持アプローチを新たに開発した。太陽フレアの3つのクラスのうちの2つにおいて,著者らの新しい方法の性能は,従来の世界トップ記録の間で最も良いものとして高くなった。すなわち,それらの≧Cクラス太陽フレアにおいてさえ,多様性を増加させるためにHamming距離を適用する著者らのアプローチは,従来の世界トップ記録0.650と比較して高い性能0.662を持っていた。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： 太陽フレア ,  *学習 ,  母集団 ,  遺伝的アルゴリズム ,  Hamming距離 ,  サポートベクトルマシン ,  原子力発電所 ,  不均衡 ,  *事例ベース ,  学習データ ,  局所最適化 ,  進化的計算
準シソーラス用語： 予測性能 ,  入力データ ,  ローカル最適化 , 【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 (7件)： 太陽フレア ,  予測 ,  SVM ,  統合 ,  事例ベース ,  Ga ,  多様性