文献

J-GLOBAL ID：202202215379817770   整理番号：22A0575793

母集団極値最適化による分数次数畳込みニューラルネットワーク【JST・京大機械翻訳】

Fractional-order convolutional neural networks with population extremal optimization

著者 (4件)： Chen Bi-Peng (School of Automation, Hangzhou Dianzi University, Hangzhou 310018, China) ,  Chen Yun (School of Automation, Hangzhou Dianzi University, Hangzhou 310018, China) ,  Zeng Guo-Qiang (National-Local Joint Engineering Laboratory of Digitalize Electrical Design Technology, Wenzhou University, Wenzhou 325035, China) ,  She Qingshan (School of Automation, Hangzhou Dianzi University, Hangzhou 310018, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 477  ページ： 36-45  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 本論文は,PEO-FOCNN,すなわち,母集団極値最適化(PEO)による分数次数畳込みニューラルネットワーク(FOCNN)によるインテリジェント最適化問題に専念した。Caputo分数次数勾配法(CFOGM)を採用して,畳込みニューラルネットワーク(CNN)のバイアスと重みの動的更新効率を改善した。さらに,FOCNNの最適化性能への初期バイアスと重みおよびそれらの更新機構の重要性を考慮して,PEOアルゴリズムを使用して,多くの初期バイアスと重みから最適選択を追求した。FOCNNのためのPEO法の最適化効果を,標準FOCNNと比較して,PEO-FOCNNの訓練と試験精度によって実証した。また,遺伝的アルゴリズムベースFOCNN(GA-FOCNN),微分進化ベースFOCNN(DE-FOCNN)および粒子群最適化ベースFOCNN(PSO-FOCNN)のような,いくつかの他の一般的な最適化アルゴリズムに基づくFOCNNに対する提案PEO-FOCNNの優位性を,3種類の統計的試験に関してMNISTデータセットの実験によって検証する。Copyright 2022 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 ,  傾斜法 ,  最適化問題 ,  最適化手法 ,  *ニューラルネットワーク ,  *無次元数 ,  バイアス ,  *母集団 ,  遺伝的アルゴリズム ,  進化的計算
準シソーラス用語： 粒子群最適化 ,  微分進化 ,  *分数次 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 分数次数畳込みニューラルネットワーク ,  Caputo分数次数勾配法 ,  母集団極値最適化 ,  初期バイアスと体重 ,  MNISTデータセット

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 母集団 ,  極値 ,  最適化 ,  分数次 ,  畳込みニューラルネットワーク