文献

J-GLOBAL ID：202002291552853654   整理番号：20A1207778

S_Kohonenネットワークを最適化する改良型クジラアルゴリズムに基づく銀行電話マーケティング結果の予測【JST・京大機械翻訳】

Prediction of bank telephone marketing results based on improved whale algorithms optimizing S_Kohonen network

著者 (3件)： Yan Chun (College of Mathematics and System Sciences, Shandong University of Science and Technology, Qingdao 266590, China) ,  Li Meixuan (College of Mathematics and System Sciences, Shandong University of Science and Technology, Qingdao 266590, China) ,  Liu Wei (College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao 266590, China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 92  ページ： Null  発行年： 2020年 
JST資料番号： W2175A  ISSN： 1568-4946  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： 時間堆積物は,強い安定性と低コストの特性を持っている。それは銀行の資金の安定供給源である。本論文において,S_Kohonenネットワークを用いて,銀行電話マーケティングにおける固定堆積物の成功率を予測した。まず第一に,出力層を教師なしKohonenネットワークの競争層の後に追加する。それはKohonenネットワークを教師つき学習でS_Kohonenネットワークにする。改良S_Kohonenネットワークは他のフィードフォワード神経回路網と類似しているので,各隣接層は重みにより接続され,初期重みはランダムであり,ネットワークの不安定出力に容易に導き,比較的低い予測精度の欠点を持つ。したがって,改良クジラ最適化アルゴリズム(IWOA)を提案して,S_Kohonenネットワークの入力層と競争層の間の重みを最適化した。本論文では,クジラ最適化アルゴリズムの慣性重みを,非線形減少に基づいてランダム因子に導入し,次に,Levy飛行のランダム探索パターンを,クジラアルゴリズムに導入した。最終的に,実験結果は,改良S_Kohonenネットワークがネットワークの分類結果をより直観的に表現することができ,IWOAによって最適化されたS_Kohonenネットワークの分類精度がGA,WOA,およびLWOAアルゴリズムによって最適化されたS_Kohonenネットワークのものより著しく高いことを示した。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： *アルゴリズム ,  *最適化 ,  *銀行 ,  *電話 ,  *ネットワーク ,  *マーケティング ,  最適化手法 ,  堆積物 ,  フィードフォワード ,  教師つき学習 ,  飛翔 ,  神経回路網 ,  *Kohonenネットワーク
準シソーラス用語： 予測精度 ,  成功率 , 【Automatic Indexing@JST】

著者キーワード (3件)： クジラ最適化アルゴリズム ,  Kohonen神経回路網 ,  教師付き学習

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (7件)： 最適化 ,  クジラ ,  アルゴリズム ,  銀行 ,  電話 ,  マーケティング ,  予測