文献

J-GLOBAL ID：202002292495240674   整理番号：20A2537787

対立ベース学習に基づくvサポートベクトル回帰におけるハイパーパラメータ推定と特徴選択のためのHarris Hawks最適化アルゴリズムの改善【JST・京大機械翻訳】

Improving Harris hawks optimization algorithm for hyperparameters estimation and feature selection in v-support vector regression based on opposition-based learning

著者 (3件)： Ismael Omar Mohammed (Department of Mathematics, University of Mosul, Mosul, Iraq) ,  Qasim Omar Saber (Department of Mathematics, University of Mosul, Mosul, Iraq) ,  Algamal Zakariya Yahya (Department of Statistics and Informatics, University of Mosul, Mosul, Iraq)
資料名： Journal of Chemometrics  (Journal of Chemometrics)
巻： 34  号： 11  ページ： e3311  発行年： 2020年 
JST資料番号： E0019C  ISSN： 0886-9383  CODEN： JOCHEU  資料種別： 逐次刊行物 (A)
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： 多くの実際の問題は,サポートベクトル回帰,特にv-サポートベクトル回帰(v-SVR)によって解決されてきたが,通常,調整に必要なハイパーパラメータがある。さらに,v-SVRは特徴選択を行うことができない。特徴選択およびハイパーパラメータ推定手順として,自然インスパイアードアルゴリズムを用いた。本論文では,特徴選択を同時に埋め込むことにより,v-SVRのハイパーパラメータを最適化するために,反対ベース学習Harris hawks最適化アルゴリズム(HHOA-OBL)を提案した。4つのデータセットに関する実験結果は,HHOA-OBLが,予測,選択した特徴の数,および実行時間に関して,標準Harris hawks最適化アルゴリズム,グリッド探索,および交差検証法より優れていることを示した。さらに,HHOA-OBLの実験結果は,他の自然のインスパイアアルゴリズムと比較して,予測性能および計算時間の改善において,提案アルゴリズムの効率性を確認し,そしてそれは,最良のハイパーパラメータ値の探索におけるHHOA-OBLの能力を証明し,そして,予測タスクのための最も有益な特徴を選択した。このように,実験と比較は,他の実際の応用における予測を行う際に,提案した方法の性能を支持した。Copyright 2020 Wiley Publishing Japan K.K. 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 ,  *学習 ,  *最適化手法 ,  *特徴選択 ,  交差検証法
準シソーラス用語： 実行時間 ,  予測性能 ,  *サポートベクトル回帰 ,  *ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 特徴選択 ,  Harris Hawks最適化アルゴリズム ,  ハイパーパラメータ選択 ,  対立に基づく学習 ,  vサポートベクトル回帰

分類 (2件)： 分析化学一般  (CC02010H) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (6件)： 学習 ,  サポートベクトル回帰 ,  ハイパーパラメータ ,  推定 ,  特徴選択 ,  最適化アルゴリズム