文献

J-GLOBAL ID：201602262958871601   整理番号：16A1238251

動的ニューラルネットワーク分類器の能動学習アルゴリズムと知的制御応用【JST・京大機械翻訳】

APPLICATION OF ACTIVE LEARNING ALGORITHM FOR DYNAMIC NEURAL NETWORK CLASSIFIER AND ITS INTELLIGENT CONTROL

著者 (3件)： Ren Hongge (School of Electrical Engineering,Hebei United University) ,  Li Dongmei (School of Electrical Engineering,Hebei United University) ,  Li Fujin (School of Electrical Engineering,Hebei United University)
資料名： Jisuanji Yingyong Yuruanjian  (Jisuanji Yingyong Yuruanjian)
巻： 33  号： 7  ページ： 247-251  発行年： 2016年 
JST資料番号： C2940A  ISSN： 1000-386X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 動的ニューラルネットワーク分類装置の訓練において,長いサンプリング時間と大きな計算量の問題を解決するために,動的ニューラルネットワーク分類装置に基づく能動学習アルゴリズムを提案した。アクティブ学習AL(ACTIVE LEARNING)アルゴリズムにおける改良型不確実性サンプリング戦略に基づき、サンプルの事後確率とそれと標識サンプルとの類似性を総合的に考慮し、総合評価値が小さいサンプルを総合的に評価し、それをネットワーク分類器の訓練に用いる。SOBOL’感度分析法により,神経回路網は,感度値が大きく,あるいは感度値が小さい隠れ層ニューロンを適時に増加させ,その学習速度を向上させ,出力誤差を減少させる。分類装置訓練シミュレーション実験の結果は,提案したアルゴリズムが訓練時間を大幅に短縮することができ,受動的学習アルゴリズムと比較して出力誤差を減少させることを示した。このアルゴリズムを油圧AGCシステムに適用し,実験結果により,このアルゴリズムがPID制御器のパラメータのオンライン調整を実現し,厚み制御精度を改善することを示し,このアルゴリズムの適用性を検証した。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： *学習アルゴリズム ,  *ネットワーク ,  事後確率 ,  感度解析 ,  分類装置 ,  適応性 ,  類似性 ,  *アルゴリズム ,  神経回路網 ,  計算量 ,  不確実性
準シソーラス用語： PID制御 ,  学習速度 ,  *能動学習 ,  *動的ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： Active learning ,  Dynamic neural network classifier ,  Sobol’sensitivity analysis ,  Improved uncertainty sampling strategy ,  Hydraulic ,  AGC

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  数値計算  (JE02000J)

タイトルに関連する用語 (6件)： 動的ニューラルネットワーク ,  分類器 ,  能動学習 ,  アルゴリズム ,  知的制御 ,  応用