抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
動径基底関数ニューラルネットワークベースの2充足可能性逆解析(RBFNN-2SATRA)は,主に線形最適出力重みを,最低反復誤差と共に適切に取得することに依存する。本研究は,RBFNN-2SATRAにおける人工免疫システム(AIS)アルゴリズムの能力と同様に有効性を調査することを目的とする。さらに,最適出力重みを得るために出力線形性を改善することを目指した。本論文では,RBFNN-2SATRA訓練を通して接続重みの有効性を高めるために,人工免疫システム(AIS)アルゴリズムを導入し,実装した。導入した方法が効率的に機能することを証明するために,5つのよく確立されたデータセットを解決した。さらに,RBFNN-2SATRA訓練のためのAISの使用を,遺伝的アルゴリズム(GA),微分進化(DE),粒子群最適化(PSO),および人工ハチコロニー(ABC)アルゴリズムと比較した。測定値と精度に関して,シミュレーション結果は,提案方法が平均絶対誤差(MAE),平均絶対値誤差(MAPE),根平均二乗誤差(RMSE),Schwarz Bayes Criterion(SBC),および中央プロセス単位時間(CPU時間)という点で性能が優れていることを示した。」ということを示した。また,このシミュレーション結果は,平均絶対誤差(MAE),平均絶対値誤差(MAPE),二乗平均平方根誤差(RMSE),Schwarz Bayes Criterion(SBC),および中央プロセス単位時間(CPU時間)に関して性能が優れていることを示した。導入した方法は,シミュレーションプロセスを通してロバスト性,精度,および感度の面で既存の4つのアルゴリズムより優れていた。したがって,提案したAISアルゴリズムは,(または,)RMSEの訓練の平均値が97.5%まで上昇し,SBCが99.9%まで上昇し,CPU時間が99.8%まで,RBFNN-2SATRAに効果的に適合することが証明された。さらに,MAEにおける試験の平均値は78.5%まで上昇し,MAPEは71.4%まで上昇し,GA,DE,PSOおよびABCアルゴリズムに対する結果と比較して,試験試料のより高い割合(81.6%)を分類できた。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】