文献

J-GLOBAL ID：202002297219608222   整理番号：20A1204137

ニューラルTuring機械と粒子群アルゴリズムに基づく分類器タスク【JST・京大機械翻訳】

A classifier task based on Neural Turing Machine and particle swarm algorithm

著者 (4件)： Faradonbe Soroor Malekmohamadi (Faculty of Computer Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran) ,  Faradonbe Soroor Malekmohamadi (Big Data Research Center, Najafabad Branch, Islamic Azad University, Najafabad, Iran) ,  Safi-Esfahani Faramarz (Faculty of Computer Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran) ,  Safi-Esfahani Faramarz (Big Data Research Center, Najafabad Branch, Islamic Azad University, Najafabad, Iran)
資料名： Neurocomputing  (Neurocomputing)
巻： 396  ページ： 133-152  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 人工知能における深い学習は,人間の脳に類似した複雑なアルゴリズムを実行するための汎用計算機のために見える。深い学習アプローチを実現するツールとしてのニューラルチューリングマシン(NTM)は,長期間メモリに装備された汎用マシンであるチューリングマシンとコントローラとしてのニューラルネットワークをもたらす。NTMは,コピー,ソート,N-gramなどのいくつかの単純/複雑なタスクを実行するために,単純な制御装置を適用する。しかし,分類のような複雑なタスクは無視されており,NTMの重みを改善する制御はない。本論文は,制御装置としてLSTM深いニューラルネットワークを用いてNTMの精度を改善するPSONTMと呼ばれるフレームワークを提示して,利用可能なタスクとともに複雑な分類タスクを実行した。重みを制御するために,粒子群最適化(PSO)アルゴリズムも適用した。分類装置のタスクを,MNIST,ORL,文字認識,および電離層データセットに関する基本的SVM,KNN,Naive Bayes,および決定木分類法と比較した。提案した分類タスクの精度は,それぞれ99.73%,97.9%,99.02%および97.1%であった。それは,NTM分類作業が,平均的に,Naive Bayesian 43.57%,決定木15.6%,およびKNN 19.22%を改善したことを意味する。さらに,提示したフレームワークは利用可能なNTMタスクを改善する。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 ,  記憶装置 ,  電離層 ,  学習 ,  制御装置 ,  分類装置 ,  ニューラルネットワーク ,  *Turing機械 ,  文字認識 ,  人工知能 ,  ソーティング ,  ディシジョンツリー ,  計算機械
準シソーラス用語： Nグラム ,  *粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： ニューラルネットワーク ,  深層学習 ,  ニューラルTuring機械 ,  粒子群最適化(PSO) ,  分類

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： Turing機械 ,  粒子群アルゴリズム ,  分類器 ,  タスク