文献

J-GLOBAL ID：202002253330143695   整理番号：20A0880152

反復再重み付けアルゴリズムによる異常値の存在下でのロバストな極端学習機械【JST・京大機械翻訳】

Robust extreme learning machine in the presence of outliers by iterative reweighted algorithm

著者 (4件)： Wang Kuaini (College of Science, Xi’an Shiyou University, Xi’an 710065, China) ,  Wang Kuaini (School of Mathematics and Research Center for Complex Systems and Network Sciences, Southeast University, Nanjing 210096, China) ,  Cao Jinde (School of Mathematics and Research Center for Complex Systems and Network Sciences, Southeast University, Nanjing 210096, China) ,  Pei Huimin (School of Mathematics and Statistics, Jiangsu Normal University, Xuzhou 221116, China)
資料名： Applied Mathematics and Computation  (Applied Mathematics and Computation)
巻： 377  ページ： Null  発行年： 2020年 
JST資料番号： D0568B  ISSN： 0096-3003  CODEN： AMHCBQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 極端な学習機械(ELM)は,単一隠れ層フィードフォワードニューラルネットワークを引き出すために広く使われている。しかし,ELMは異常値の存在において大きな課題に直面し,感度と貧弱なロバスト性をもたらすことができる。このジレンマを克服するために,任意の潜在的異常値に固定ペナルティを設定することにより,これらの負の影響を低減するために,非凸2ノルム損失関数を開発した。本論文では,新しいロバストELMを提案し,結果としての最適化を,IRRELMと呼ばれる反復再加重アルゴリズムによって実行することができた。各反復において,IRRELMは加重ELMを解いた。いくつかの人工データセット,実世界データセットおよび金融時系列データセットを数値実験で採用し,IRRELMが異常値の存在下,特により高い異常値レベルでデータセットをモデル化するための優れた一般化性能およびロバスト性を有することを実証した。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： 重みづけ ,  ニューラルネットワーク ,  最適化 ,  ノルム ,  *異常値 ,  *アルゴリズム ,  *ロバスト性 ,  ペナルティ ,  凸形 ,  損失関数
準シソーラス用語： 数値実験 ,  フィードフォワードニューラルネットワーク ,  隠れ層 ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (5件)： ニューラルネットワーク ,  極端学習機械 ,  ロバスト性 ,  異常値 ,  反復再重み付けアルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 反復 ,  重み付け ,  アルゴリズム ,  異常値 ,  ロバスト ,  極端学習機械