文献

J-GLOBAL ID：202002277902900900   整理番号：20A1863635

XCSFにおける分類器予測モデリングへのラジアル基底関数アプローチ【JST・京大機械翻訳】

What about interpolation? a radial basis function approach to classifier prediction modeling in XCSF

著者 (3件)： Stein Anthony (University of Augsburg, Germany) ,  Menssen Simon (University of Augsburg, Germany) ,  Haehner Jorg (University of Augsburg, Germany)
資料名： ACM Proceedings  (ACM Proceedings)
号： GECCO ’18  ページ： 537-544  発行年： 2018年 
JST資料番号： D0698C  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： 学習分類器システム(LCS)は,回帰タスクの文脈で強く調べられており,洗練された予測モデルに付与された拡張分類器システム(XCSF)を近似することによって,大きな成功が達成されている。本論文では,分類器の支払い予測をモデル化するための新しい方法を提案した。動径基底関数(RBF)補間は,根底にある機能表面複雑性を捉える新しい手段として利用される。より柔軟なRBFベースの分類器予測の利用によって,多項式近似の程度を選択することによって注入された先験的バイアスを軽減するという仮説を提起し,分類器は,電流と比較して少なくとも競合レベルの性能を維持することによって,より高い普遍性に向けて進化し,また,おそらく,増分係数最適化のための再帰最小二乗(RLS)技術と組み合わせた多項式近似のほとんど用いられる。提示した実験結果は,RBFベースの分類器予測が,様々な複雑性の幾つかのテスト関数において,n次多項式近似より優れていることを明らかにした。さらに,様々な程度のノイズによる実験の結果は,実際の世界状況における提案したアプローチの適応性に触れると報告されている。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最小二乗法 ,  最適化 ,  雑音 ,  電流 ,  学習 ,  内挿法 ,  関数近似 ,  多項式近似 ,  適応性 ,  バイアス ,  普遍性 ,  *動径基底関数 ,  予測モデル
準シソーラス用語： 分類会計機 ,  複雑性 , 【Automatic Indexing@JST】

著者キーワード (8件)： 分類器混合 ,  分類器予測 ,  拡張分類器システム ,  関数近似 ,  内挿 ,  分類器システムの学習 ,  多項式近似 ,  動径基底関数

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 分類器 ,  予測 ,  モデリング ,  ラジアル基底関数