勾配ベース浮遊重心法を用いたニューラルネットワーク分類器の改善【JST・京大機械翻訳】

Islam Mazharul; Liu Shuangrong; Wang Lin; Zhang Xiaojing

プレプリント

J-GLOBAL ID：202202216833108511 整理番号：21P0015220

勾配ベース浮遊重心法を用いたニューラルネットワーク分類器の改善【JST・京大機械翻訳】

Improving Neural Network Classifier using Gradient-based Floating Centroid Method

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： 2019年07月21日プレプリントサーバーでの情報更新日： 2019年07月21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)

浮動重心法(FCM)は,ニューラルネットワーク分類器の固定中心問題を解くための効率的な方法を提供する。しかし,その最適化法としての進化的計算は,高い計算複雑性と効率のため,異なるニューラルネットワーク構造のための満足な性能を達成するためにFCMを抑制する。従来の勾配ベースの方法は,ニューラルネットワーク分類器を最適化するために広く採用された。本研究では,勾配ベース浮遊重心(GDFC)法を導入し,勾配ベース法により最適化したニューラルネットワーク分類器に対する固定重心問題に取り組んだ。さらに,GDFCを最適化するための新しい損失関数を導入した。実験結果は,GDFCがベンチマークデータセットに関する比較方法より有望な分類性能を得ることを示した。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る