文献

J-GLOBAL ID：202002257092408277   整理番号：20A0224382

多層パーセプトロン(MLP)と動径基底関数(RBF)の性能評価【JST・京大機械翻訳】

Performance Evaluation of Multi-Layer Perceptron (MLP) and Radial Basis Function (RBF)

著者 (2件)： Musa Aminu (Federal University Dutse,Department of Computer Science,Jigawa,Nigeria) ,  Aliyu Farouq (King Fahd University of Petroleum and Minerals,Department of Computer Engineering,Dhahran,Saudi Arabia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： NigeriaComputConf  ページ： 1-5  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： 文字認識の重要性は大きくなり得ない。それは多くの自動化システムにおける応用を見出す。多くの場合,これらの応用には,高精度(例えば,自動等級付けシステム,文書ディジタル化,ナンバープレート認識システム,e.c),および低い資源オーバヘッドが必要である。しかしながら,これらは,必要な精度がより高いため,より多くの計算が必要とされるので,資源オーバーヘッドのより多くの増加を必要とするので,これらは相反する要件である。研究において,人工ニューラルネットワーク(ANN)における2つの分類アルゴリズム(多層パーセプトロン(MLP)と動径基底関数(RBF))を手書き数字認識に適用して,それらの性能を研究した。デュオを訓練と精度に必要な資源の観点から比較した。MLP-NNはRBF(50.0分)と比較してより速く(5.5分)訓練されることが分かった。しかし,試験中に,両方とも95%の精度を有することが分かった。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： *動径基底関数 ,  文字認識 ,  ニューラルネットワーク ,  *多層パーセプトロン ,  等級づけ ,  性能評価
準シソーラス用語： 手書き数字認識 ,  分類アルゴリズム ,  オーバヘッド ,  ナンバープレート ,  ディジタル化 ,  高精度 ,  自動化システム , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 多層パーセプトロン ,  動径基底関数 ,  RbF ,  性能評価