複合ニューラルネットワーク:理論とPM_2.5予測への応用【JST・京大機械翻訳】

Yang Ming-Chuan; Chen Meng Chang

プレプリント

J-GLOBAL ID：202202211594215287 整理番号：21P0018528

複合ニューラルネットワーク:理論とPM_2.5予測への応用【JST・京大機械翻訳】

Composite Neural Network: Theory and Application to PM2.5 Prediction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2019年10月21日プレプリントサーバーでの情報更新日： 2021年07月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本研究は複合ニューラルネットワークのフレームワークと性能問題を検討し,複雑なアプリケーションを解くための根付有向非巡回グラフとして接続した事前訓練と非絶縁ニューラルネットワークモデルの収集で構成した。事前訓練ニューラルネットワークモデルは,一般的によく訓練され,特定の関数を近似する。複合ニューラルネットワークが単一成分よりも性能が良いという一般的な信念にもかかわらず,全体的性能特性は明確ではない。本研究では,複合ネットワークのフレームワークを構築し,複合ニューラルネットワークが,高い確率限界を持つ事前訓練成分よりも性能が優れていることを証明した。さらに,余分な事前訓練成分を複合ネットワークに加えると,高い確率で全体性能は劣化しない。本研究では,提案した複合ネットワーク理論の正当性を説明するために,複雑なアプリケーション-PM2.5予測を検討した。PM_2.5予測の経験的評価において,構築した複合ニューラルネットワークモデルは,提案した理論を支持し,他の機械学習モデルよりも良好に機能し,提案したフレームワークの利点を実証した。【JST・京大機械翻訳】

, , , ,
, , , , , 【Automatic Indexing@JST】

ニューロコンピュータ , 人工知能

, , ,

前のページに戻る