文献

J-GLOBAL ID：202102226438771643   整理番号：21A2869947

中心力最適化と粒子群最適化を用いたニューラルネットワークの訓練:洞察と比較【JST・京大機械翻訳】

Training neural networks using Central Force Optimization and Particle Swarm Optimization: Insights and comparisons

著者 (3件)： Green Robert C. (Department of Electrical Engineering and Computer Science, University of Toledo, 2801 Bancroft St., Toledo, OH 43606, United States) ,  Wang Lingfeng (Department of Electrical Engineering and Computer Science, University of Toledo, 2801 Bancroft St., Toledo, OH 43606, United States) ,  Alam Mansoor (Department of Electrical Engineering and Computer Science, University of Toledo, 2801 Bancroft St., Toledo, OH 43606, United States)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 39  号： 1  ページ： 555-563  発行年： 2012年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 中心力最適化(CFO)は,物理的運動学に基づく,新規で最新のメタヒューリスティック技術である。CFOは,複数のベンチマーク問題およびいくつかの実世界アプリケーションに適用した場合,他のメタヒューリスティック技術と比較して有効であることを以前に示した。本研究は,データ分類のためにニューラルネットワークを訓練するためにCFOアルゴリズムを適用する。概念の証明として,CFOアルゴリズムを最初に適用して,論理的XOR関数を表す基本的ニューラルネットワークを訓練した。次に,Irisデータセットのメンバーを適切に分類するために,2つの異なるニューラルネットワークを訓練する。これらの結果を比較し,同じ応用における粒子群最適化(PSO)を用いて収集した結果と比較した。CFOとPSOの間の類似性と差異も,アルゴリズム設計,計算複雑性,および自然基底の領域で調査する。本論文は,CFOがPSOアルゴリズムに優らない場合と競合する新規で有望なメタヒューリスティックであり,それをさらに改善するために多くの余地があると結論づける。Copyright 2021 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 ,  基底 ,  *ニューラルネットワーク ,  計算量 ,  応用プログラム ,  中心力 ,  類似性 ,  ベンチマーク
準シソーラス用語： *粒子群最適化 ,  ヒューリスティック ,  データ分類 ,  アルゴリズム設計 , 【Automatic Indexing@JST】

著者キーワード (4件)： 中心力最適化 ,  粒子群最適化 ,  ニューラルネットワーク訓練 ,  データ分類

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (6件)： 中心力 ,  最適化 ,  粒子群最適化 ,  ニューラルネットワーク ,  訓練 ,  洞察