文献

J-GLOBAL ID：202002241834492500   整理番号：20A2134041

小データ集合によるウェーブレットニューラルネットワークと適応ニューロファジィ推論システムの性能比較【JST・京大機械翻訳】

Performance comparison of wavelet neural network and adaptive neuro-fuzzy inference system with small data sets

著者 (2件)： Tabaraki Reza (Department of Chemistry, Faculty of Basic Science, Ilam University, Ilam, Iran) ,  Khodabakhshi Mina (Department of Chemistry, Faculty of Basic Science, Ilam University, Ilam, Iran)
資料名： Journal of Molecular Graphics & Modelling  (Journal of Molecular Graphics & Modelling)
巻： 100  ページ： Null  発行年： 2020年 
JST資料番号： B0044D  ISSN： 1093-3263  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： 本研究では,ウェーブレットニューラルネットワーク(WNN)と適応ニューロファジー推論システム(ANFIS)モデルの性能を,二次補正Akaike情報基準(AICc),Bayes情報基準(BIC),二乗平均平方根誤差(RMSE),平均絶対相対誤差(MARE),決定係数(R2),外部Q2関数(QF32),および一致相関係数(CCC)のような異なる基準によって,小さなデータセットと比較した。他の基準は過剰適合であった。文献から10のデータセットを選択し,それらのデータを訓練,試験および検証セットに分割した。ネットワークパラメータをWNNとANFISモデルに対して最適化し,最小誤差を持つ最良アーキテクチャを各データセットに対して選択した。WNNとANFISモデルにおける許容可能パラメータ(NPAP)数と可調整パラメータ(TNAP)の総数の正確な調査は,ANFISモデルの60%とWNNモデルの30%が過剰適合を有することを示した。親指の規則として,過剰適合を回避するため,入力ニューロン数に対する訓練セットにおける観測数の比率は,WNNおよびANFISに対して,それぞれ10および20より大きくなければならないことが示唆された。WNNに必要なより小さな比率は,両ネットワークにおける構造と接続の違いに関連するANFISに対する柔軟性を示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *ネットワーク ,  ニューロン ,  相関係数 ,  柔軟性 ,  計算機アーキテクチャ ,  母指 ,  *ファジィニューラルネットワーク ,  忍容性
準シソーラス用語： 許容性 ,  性能比較 ,  相対誤差 ,  決定係数 ,  適応ニューロ-ファジィ推論システム ,  ネットワークパラメータ ,  *ウェーブレットニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： ウェーブレットニューラルネットワーク ,  適応ニューロファジィ推論システム ,  Bayes情報基準 ,  赤池情報基準 ,  過剰適合

分類 (2件)： 薬物の構造活性相関  (GV01050B) ,  酵素製剤・酵素阻害剤の基礎研究  (GW21010W)

タイトルに関連する用語 (6件)： データ集合 ,  ウェーブレットニューラルネットワーク ,  適応 ,  ニューロファジィ ,  推論 ,  性能比較