文献

J-GLOBAL ID：202002287052842019   整理番号：20A1124983

分類のための木構造多層ニューラルネットワーク【JST・京大機械翻訳】

Tree-structured multilayer neural network for classification

著者 (1件)： Yang Shiueng-Bien (Department of Digital Content of Application and Management, Wenzao Ursuline University of Languages, Kaohsiung, Taiwan)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 32  号： 10  ページ： 5859-5873  発行年： 2020年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 従来のニューラルツリー(NT)において,各内部ノードは,単一または2層ニューラルネットワークのようなニューラルネットワーク(NN)として設計され,どのブランチが入力サンプルに対して追跡されるべきかを決定する。内部ノードに含まれる各NNは別々に設計されるので,生成されたNTは全体的な有効性を考慮しない。このように,設計したNTは通常最適NTではない。本研究では,ツリー構造化多層ニューラルネットワーク(TSMLNN)を分類のために提案した。TSMLNNはNTと類似しており,これは深い多層NNを多くの小さなサブネットワークに分割した結果である。TSMLNNには多層NNとNTの両方の利点がある。さらに,分割法を提案して,TSMLNNにおけるネットワークを分割する方法を決定した。遺伝的アルゴリズムを提案して,TSMLNNにおける計算複雑度と分類誤り率の両方に従って,各々の層における重み,各ノードの活性化閾値およびノードの適切な数を自動的に探索して,提案したTSMLNNは最適である傾向があった。また,ユーザが分類誤り率範囲内で最良であることを決定するために,ユーザを支援するための発見的方法を提案した。最後に,提案したTSMLNNの性能を,実験における最先端のニューラルネットワークの性能と比較した。Copyright Springer-Verlag London Ltd., part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  *ニューラルネットワーク ,  *木構造 ,  ツリー構造 ,  発見的方法 ,  計算量 ,  誤り率 ,  分割法 ,  多層 ,  有効性 ,  神経回路網 ,  遺伝的アルゴリズム
準シソーラス用語： サブネットワーク ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 木構造化NN ,  深層多層神経回路網 ,  遺伝的アルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 分類 ,  木構造 ,  多層ニューラルネットワーク