文献

J-GLOBAL ID：202102234852207791   整理番号：21A0104964

関数鎖ニューラルネットワークに基づく深さ分類器【JST・京大機械翻訳】

Functional?Link Neural Network Based Deep Classifier

著者 (2件)： Xie Runshan (江南大学人工智能与計算机学院,无錫,214122;江蘇省媒体設計与軟件技術重点実験室(江南大学),无錫,214122) ,  Wang Shitong (江南大学人工智能与計算机学院,无錫,214122;江蘇省媒体設計与軟件技術重点実験室(江南大学),无錫,214122)
資料名： Nanjing Hangkong Hangtian Daxue Xuebao  (Nanjing Hangkong Hangtian Daxue Xuebao)
巻： 52  号： 5  ページ： 736-745  発行年： 2020年 
JST資料番号： W0399A  ISSN： 1005-2615  CODEN： NHHXEU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在の幅学習システム(Broadlearningsystem,BLS)は,一連のマッピングノードと強化ノードによって結合ノードを形成する。結合ノードと出力層の線形接続のため,ネットワーク重みは,疑似逆の解法で高速に求めることができ,時間消費の訓練過程を避け,それにより,高速で効率的な学習法になる。しかし、高精度結果を追求する過程で、BLSはノード数の増強に対する需要が巨大で、過フィッティング問題を引き起こしやすい。そのため,本稿では,関数鎖ニューラルネットワーク(Functional?)を提案した.linkneuralnetwork、FLNN)の深度分類装置(FLNNbaseddeepclassifier,FLNNDC)は、より簡単で、精度を失わないBLS変体構造を提供した。FLNNDCはいくつかの軽量のBLSサブシステムをスタック構造に堆積し、各軽量のBLSサブシステムは、一部のマッピングノードをランダムに選択し、すべてのマッピングノードではなく、強化ノードを生成する。オリジナルの幅構造と比較して,いくつかの主流データセットに関する実験結果は,提案したFLNNDC分類装置が,より少ないネットワーク構造とより速い学習速度の利点を有することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *ネットワーク ,  分類装置 ,  *ニューラルネットワーク ,  ネットワーク構造 ,  線形性
準シソーラス用語： 学習支援システム ,  分類会計機 ,  学習速度 ,  高精度 ,  サブシステム ,  軽量 , 【Automatic Indexing@JST】

分類 (2件)： 通信網  (ND07030A) ,  計算理論  (JB02000A)

タイトルに関連する用語 (3件)： 関数 ,  ニューラルネットワーク ,  分類器