文献

J-GLOBAL ID：202202233329143723   整理番号：22A0496791

免疫最適化に基づく決定論的樹状細胞アルゴリズム【JST・京大機械翻訳】

An immune optimization based deterministic dendritic cell algorithm

著者 (2件)： Zhou Wen (School of Computer Science, Wuhan University, Wuhan, China) ,  Liang Yiwen (School of Computer Science, Wuhan University, Wuhan, China)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 2  ページ： 1461-1476  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 異常検出は重要な問題であり,異なる研究分野と応用分野で深く研究されている。樹状細胞アルゴリズム(DCA)は,異常検出問題を扱うための最も一般的な人工免疫システムの1つである。DCAの性能は,入力インスタンスと検出器間の関係を計算するために用いられるパラメータに著しく依存する。しかし,DCAの性能は実用的応用において良好であるが,経験的ベースパラメータにより解析することは困難であり,適応性を欠いていることを見出した。本論文では,異常検出タスクのための決定論的DCA(dDCA)に対する適切なパラメータを効果的に学習する方法を研究した。特に,異常検出のための新しい免疫最適化に基づくdDCA(IO-dDCA)を提案した。それはdDCA分類,T細胞(TC)分類,勾配降下最適化および免疫非線形動的最適化から成る。第1に,dDCAをバイナリ分類器と見なし,正常としてラベル付けされたデータインスタンスを,dDCAの分類性能を改善するために,Tセルインスパイア分類法により分類する。次に,dDCAの適応性を改善するために,勾配降下をdDCAパラメータの最適化のために採用する。最後に,免疫非線形モデルを導入して,最適パラメータを見つけるために,勾配降下における学習速度を調整した。IO-dDCAの理論的および実験的性能解析は,シミュレーションを通して新規手法の有効性を示し,実験結果は,提案したIO-dDCAが良好な分類精度を有することを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC part of Springer Nature 2021 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 ,  適応性 ,  T細胞 ,  検出器 ,  有効性 ,  性能分析 ,  *樹状細胞
準シソーラス用語： 分類法 ,  動的最適化 ,  非線形モデル ,  分類精度 ,  異常検出 ,  *決定論 ,  最適パラメータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 異常検出 ,  dDCA ,  TC分類 ,  勾配降下 ,  免疫非線形動的モデル

分類 (1件)： 免疫反応一般  (ED03010T)

タイトルに関連する用語 (4件)： 免疫 ,  最適化 ,  樹状細胞 ,  アルゴリズム