長期短期記憶ニューラルネットワークを用いたシステム同定のための深層転送学習【JST・京大機械翻訳】

Niu Kaicheng; Zhou Mi; Abdallah Chaouki T.; Hayajneh Mohammad

プレプリント

J-GLOBAL ID：202202215766269657 整理番号：22P0327547

長期短期記憶ニューラルネットワークを用いたシステム同定のための深層転送学習【JST・京大機械翻訳】

Deep transfer learning for system identification using long short-term memory neural networks

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 (4件)： , , ,
資料名：
発行年： 2022年04月06日プレプリントサーバーでの情報更新日： 2022年04月06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)

リカレントニューラルネットワーク(RNN)は,より多くの伝統的システム同定技術より多くの利点を持っている。それらは線形および非線形系に適用でき,それらはより少ないモデリング仮定を必要とする。しかし,これらのニューラルネットワークモデルは,学習と一般化のために大量のデータを必要とするかもしれない。さらに,ニューラルネットワーク訓練は時間のかかるプロセスである。したがって,長い短期メモリニューラルネットワーク(LSTM)上に構築して,本論文は,システム同定のためのデータおよび計算要求を減らすために,2つのタイプの深層転送学習,すなわち,パラメータ微調整および凍結を用いて提案した。2つの動的システム,すなわち二次線形系とWiener-Hammerstein非線形系を同定するために,これらの技術を適用した。結果は,直接学習と比較して,著者らの方式が10%から50%まで学習を加速し,また,データおよびコンピューティング資源を節約することを示した。【JST・京大機械翻訳】

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

人工知能 , ニューロコンピュータ

, , , , , ,

前のページに戻る