文献

J-GLOBAL ID：202202240880119557   整理番号：22A0482862

広域学習構造による交通予測の訓練:ベンチマーク研究【JST・京大機械翻訳】

On Training Traffic Predictors via Broad Learning Structures: A Benchmark Study

著者 (5件)： Liu Di (School of Cyber Science and Engineering, Southeast University, Nanjing, China) ,  Baldi Simone (School of Cyber Science and Engineering, Southeast University, Nanjing, China) ,  Yu Wenwu (School of Cyber Science and Engineering, Southeast University, Nanjing, China) ,  Cao Jinde (School of Mathematics, Southeast University, Nanjing, China) ,  Huang Wei (Intelligent Transportation System Research Center, Southeast University, Nanjing, China)
資料名： IEEE Transactions on Systems, Man, and Cybernetics: Systems  (IEEE Transactions on Systems, Man, and Cybernetics: Systems)
巻： 52  号： 2  ページ： 749-758  発行年： 2022年 
JST資料番号： C0425D  ISSN： 2168-2216  CODEN： ITSMFE  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： いわゆる広域学習システム(BLS)パラダイムに基づいて,トラフィック予測子のリアルタイム(すなわち,分ベース)訓練のための高速アーキテクチャを研究した。研究では,輸送のCalifornia部門によって様々な交通データセットを使用し,比較目的のための様々な標準アルゴリズム(LASSO回帰,浅い,および深いニューラルネットワーク,積層オートエンコーダ,畳み込み,およびリカレントニューラルネットワーク)を採用して,すべてのアルゴリズムを同じ計算プラットフォーム上でMATLABに実装した。本研究は,BLS訓練プロセスが2-3桁速く(数十秒の数十秒),前例のないリアルタイム能力を可能にすることを示した。極端な学習機械アーキテクチャとの付加的比較,BLSといくつかの特徴を共有する学習アルゴリズムは,勾配訓練と比較して最小二乗訓練の高速訓練を確認した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  最小二乗法 ,  *学習 ,  ニューラルネットワーク ,  *交通予測 ,  *ベンチマーク ,  計算機アーキテクチャ ,  学習アルゴリズム
準シソーラス用語： 学習支援システム ,  MATLAB ,  リカレントニューラルネットワーク ,  実時間 ,  交通データ ,  極度学習機械 ,  自己符号化器 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： 広域 ,  学習 ,  交通予測 ,  訓練 ,  ベンチマーク ,  研究