文献

J-GLOBAL ID：202202282527737075   整理番号：22A0478791

一般化ブラックホール偏微分方程式のための新しい構造自動決定Fourier極端学習機械【JST・京大機械翻訳】

A novel structure automatic-determined Fourier extreme learning machine for generalized Black-Scholes partial differential equation

著者 (3件)： Ma Mingjie (School of Business Administration, South China University of Technology, Guangzhou 510640, China) ,  Yang Jianhui (School of Business Administration, South China University of Technology, Guangzhou 510640, China) ,  Liu Ruobing (School of Finance and Investment, Guangdong University of Finance, Guangzhou, 510000, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 238  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,一般化Black-Scholes偏微分方程式の数値解に焦点を当て,偏微分方程式を解くために,新しい構造自動決定Fourier極端学習機械(SAD-FELM)を提案した。SAD-FELMにおいて,Fourier極端学習機械(FELM)を設計した。2つのフーリエ多項式の製品を用いて,隠れ層における基底関数として役立つ。2つのフーリエ多項式の最適サンプリング周波数はデータサンプルの分布に依存する。次に,改良極端学習機械アルゴリズムを用いて,一般化Black-Scholes偏微分方程式から誘導した線形方程式システムを解いた。さらに,最適サンプリング周波数とニューロン数を決定するために,本論文はメタヒューリスティックアルゴリズムに基づく構造自動決定アルゴリズムを設計した。研究では,異なるメタヒューリスティックアルゴリズムに基づくSAD-FELM間の比較実験を行った。実験結果は,ハンガーゲーム探索アルゴリズムに基づくSAD-FELMによって得た数値解が最も正確であることを示した。最後に,他の方法と比較して,SAD-FELMの優位性と実現可能性を証明した。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  一次方程式 ,  数値解法 ,  多項式 ,  *偏微分方程式 ,  ニューロン ,  *学習機械 ,  *ブラックホール ,  比較試験 ,  基底関数
準シソーラス用語： サンプリング周波数 ,  探索アルゴリズム ,  隠れ層 ,  ヒューリスティック ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (5件)： ブラックホール方程式 ,  極限学習機械 ,  粒子群最適化 ,  ニューラルネットワーク ,  構造自動決定

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 一般化 ,  ブラックホール ,  偏微分方程式 ,  極端学習機械