文献

J-GLOBAL ID：202202242072148213   整理番号：22A1037509

GGA-MLP:多層パーセプトロンにおける重みとバイアスを最適化するための欲張り遺伝的アルゴリズム【JST・京大機械翻訳】

GGA-MLP: A Greedy Genetic Algorithm to Optimize Weights and Biases in Multilayer Perceptron

著者 (8件)： Bansal Priti (Department of Information Technology, Netaji Subhas University of Technology, Dwarka, New Delhi, India) ,  Lamba Rishabh (Department of Information Technology, Netaji Subhas University of Technology, Dwarka, New Delhi, India) ,  Jain Vaibhav (Department of Information Technology, Netaji Subhas University of Technology, Dwarka, New Delhi, India) ,  Jain Tanmay (Department of Information Technology, Netaji Subhas University of Technology, Dwarka, New Delhi, India) ,  Shokeen Sanchit (Department of Information Technology, Netaji Subhas University of Technology, Dwarka, New Delhi, India) ,  Kumar Sumit (Department of Computer Science and Engineering, Amity School of Engineering and Technology, Amity University Uttar Pradesh, Noida, India) ,  Singh Pradeep Kumar (Department of Computer Science, KIET Group of Institutions, Delhi-NCR, Ghaziabad, India) ,  Khan Baseem (Hawassa University, Hawassa, Ethiopia)
資料名： Contrast Media & Molecular Imaging  (Contrast Media & Molecular Imaging)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W2544A  ISSN： 1555-4309  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 人工ニューラルネットワーク(ANN)を設計するタスクは,ANNの分類精度を改善するために,最適値が計算する必要がある多くのパラメータを含む最適化問題として考えることができる。ANNの設計中に決定する必要がある主要なパラメータの2つは重みとバイアスである。重みとバイアスの最適集合を生成するために,様々な勾配ベース最適化アルゴリズムを過去に研究者によって提案した。しかし,局所極小にトラップされる勾配ベースアルゴリズムの傾向により,研究者は,従来の技術に代わるものとしてメタヒューリスティックアルゴリズムの探索を開始した。本論文では, greedy欲遺伝的アルゴリズムを用いて,多層パーセプトロン(MLP)における重みとバイアスの最適集合を生成するため,学習アルゴリズムであるGGA-MLP(遺伝的アルゴリズム-多層パーセプトロン)アプローチを提案した。提案手法は,初期母集団を生成し,交差と突然変異を実行するための欲張り手法を用いることにより,従来の遺伝的アルゴリズム(GA)の性能を増加させる。非線形入力パターンの分類におけるGGA-MLPの性能を評価するために,California,Irvine(UCI)リポジトリの大学から取られた様々な複雑性のデータセットに関する実験を行った。GGA-MLPの実験結果を,分類精度に関して既存の最先端技術と比較した。その結果,GGA-MLPの性能は,既存の最先端技術と同等または同等であることが分かった。Copyright 2022 Priti Bansal et al. 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 ,  最適化問題 ,  最適化手法 ,  ニューラルネットワーク ,  突然変異 ,  バイアス ,  母集団 ,  *多層パーセプトロン ,  *遺伝的アルゴリズム ,  学習アルゴリズム ,  リポジトリ
準シソーラス用語： 分類精度 ,  ヒューリスティック ,  最適値 , 【Automatic Indexing@JST】

分類 (1件)： 風力エネルギー  (LB03060X)

引用文献 (61件)：

• X. Xin Yao, "Evolving artificial neural networks," Proceedings of the IEEE, vol. 87, no. 9, pp. 1423-1447, 1999.
• L.-H. Chen, X.-Y. Zhang, "Application of artificial neural network to classify water quality of the yellow river," Journal 0f Fuzzy Information and Engineering, pp. 15-23, 2009.
• H. Altun, A. Bilgil, B. C. Fidan, "Treatment of multi-dimensional data to enhance neural network estimators in regression problems," Expert Systems with Applications, vol. 32, no. 2, pp. 599-605, 2007.
• D. D. Silalahi, C. E. Reaño, F. P. Lansigan, R. G. Panopio, N. C. Bantayan, "Using genetic algorithm neural network on near infrared spectral data for ripeness grading of oil palm (elaeis guineensis jacq.) fresh fruit," Information Processing in Agriculture, vol. 3, no. 4, pp. 252-261, 2016.
• X. Ma, X. Gan, "Condition monitoring and faults recognizing of dish centrifugal separator by artificial neural network combined with expert system," 2009 Fifth International Conference on Natural Computation, vol. 2, pp. 203-207, Tianjian, China, 14-16 Aug. 2009.

タイトルに関連する用語 (5件)： GGA ,  多層パーセプトロン ,  バイアス ,  最適化 ,  遺伝的アルゴリズム