文献

J-GLOBAL ID：202102251115402599   整理番号：21A0069831

特徴選択のための並列重みベクトルによるMOEA/Dの並列実装【JST・京大機械翻訳】

Parallel Implementation of MOEA/D with Parallel Weight Vectors for Feature Selection

著者 (4件)： Liao Weiduo (Southern University of Science and Technology,Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation,Department of Computer Science and Engineering,Shenzhen,China) ,  Ishibuchi Hisao (Southern University of Science and Technology,Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation,Department of Computer Science and Engineering,Shenzhen,China) ,  Meng Pang Lie (Southern University of Science and Technology,Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation,Department of Computer Science and Engineering,Shenzhen,China) ,  Shang Ke (Southern University of Science and Technology,Guangdong Provincial Key Laboratory of Brain-inspired Intelligent Computation,Department of Computer Science and Engineering,Shenzhen,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 1524-1531  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 機械学習分野では,特徴選択を2目的最適化問題として扱うことができる。分解ベースの進化的多目的最適化アルゴリズム(即ち,MOEA/D-STAT)は特徴選択に対処するとき,良好な多様性性能を有することが報告されている。しかし,特徴選択は,それを含む大きなデータセットを考慮した時間消費問題である。MOEA/D-STATへの並列化の導入により計算時間を容易に低減できた。著者らの知る限り,これは特徴選択のためのMOEA/D-STATの並列化を実行する最初の試みである。本論文では,並列化の2つの異なるアプローチであるマスタスレーブモデルとアイランドモデルの両方を考察した。マスタスレーブモデルにおいて,異なる子孫割当機構を考察した。島モデルにおいて,異なる島サイズ仕様機構を検討した。実験結果は,マスタスレーブモデルが島モデルより高い高速化とより良い性能を達成できることを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ベクトル ,  最適化問題 ,  *特徴選択 ,  高速化 ,  機械学習 ,  STAT転写因子
準シソーラス用語： 島モデル ,  並列実装 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 特徴選択 ,  ベクトル ,  並列実装