論文の概要: Broad Learning System with Takagi-Sugeno Fuzzy Subsystem for Tobacco
Origin Identification based on Near Infrared Spectroscopy
- arxiv url: http://arxiv.org/abs/2301.00126v1
- Date: Sat, 31 Dec 2022 05:38:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 14:26:31.452397
- Title: Broad Learning System with Takagi-Sugeno Fuzzy Subsystem for Tobacco
Origin Identification based on Near Infrared Spectroscopy
- Title（参考訳）: 近赤外分光法によるタバコ起源同定のための高木・菅野ファジィサブシステムを用いた広範学習システム
- Authors: Di Wang, Simon X. Yang
- Abstract要約: タバコ起源の迅速同定のために,高木・菅野(TS)ファジィサブシステムを用いた新しい広義学習システムを提案する。
提案手法は,従来の分類アルゴリズム,人工ニューラルネットワーク,深層ニューラルネットワークと比較して高い予測精度(95.59)を達成することができる。
- 参考スコア（独自算出の注目度）: 10.807954952981301
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tobacco origin identification is significantly important in tobacco industry.
Modeling analysis for sensor data with near infrared spectroscopy has become a
popular method for rapid detection of internal features. However, for sensor
data analysis using traditional artificial neural network or deep network
models, the training process is extremely time-consuming. In this paper, a
novel broad learning system with Takagi-Sugeno (TS) fuzzy subsystem is proposed
for rapid identification of tobacco origin. Incremental learning is employed in
the proposed method, which obtains the weight matrix of the network after a
very small amount of computation, resulting in much shorter training time for
the model, with only about 3 seconds for the extra step training. The
experimental results show that the TS fuzzy subsystem can extract features from
the near infrared data and effectively improve the recognition performance. The
proposed method can achieve the highest prediction accuracy (95.59 %) in
comparison to the traditional classification algorithms, artificial neural
network, and deep convolutional neural network, and has a great advantage in
the training time with only about 128 seconds.
- Abstract（参考訳）: タバコ産業では、タバコの起源の同定が重要である。
近赤外分光法によるセンサデータのモデリングは、内部特徴の迅速検出法として人気がある。
しかし、従来のニューラルネットワークやディープネットワークモデルを用いたセンサデータ解析では、トレーニングプロセスは非常に時間がかかる。
本稿では,タバコ起源の迅速な同定のために,タカギスゲノ(ts)ファジィサブシステムを用いた新しい広義学習システムを提案する。
提案手法では,ネットワークの重み行列を非常に少ない計算量で取得し,追加ステップのトレーニングに3秒程度しかかからず,モデルのトレーニング時間が大幅に短縮された。
実験の結果,tsファジィサブシステムは近赤外データから特徴を抽出でき,認識性能を効果的に向上できることがわかった。
提案手法は,従来の分類アルゴリズム,人工ニューラルネットワーク,深部畳み込みニューラルネットワークと比較して高い予測精度 (95.59 %) を達成でき,学習時間を約128秒に抑えることができる。
関連論文リスト
- Learning Rate Optimization for Deep Neural Networks Using Lipschitz Bandits [9.361762652324968]
適切に調整された学習率によって、より高速なトレーニングとテストの精度が向上する。
本稿では,ニューラルネットワークの学習速度を調整するためのLipschitz bandit-drivenアプローチを提案する。
論文 参考訳（メタデータ） (2024-09-15T16:21:55Z) - The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。
FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。
我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
論文 参考訳（メタデータ） (2023-03-17T02:01:11Z) - Deep Learning for Size and Microscope Feature Extraction and
Classification in Oral Cancer: Enhanced Convolution Neural Network [30.343802446139186]
オーバーフィッティング問題は、深層学習技術が口腔癌の画像分類でうまく実装されていない理由である。
提案システムは,オートエンコーダ技術を用いて特徴抽出プロセスの効率を向上する拡張畳み込みニューラルネットワークで構成されている。
論文 参考訳（メタデータ） (2022-08-06T08:26:45Z) - Optimization-Based Separations for Neural Networks [57.875347246373956]
本研究では,2層のシグモダルアクティベーションを持つディープ2ニューラルネットワークを用いて,ボールインジケータ関数を効率よく学習できることを示す。
これは最適化に基づく最初の分離結果であり、より強力なアーキテクチャの近似の利点は、実際に確実に現れる。
論文 参考訳（メタデータ） (2021-12-04T18:07:47Z) - Efficient training of lightweight neural networks using Online
Self-Acquired Knowledge Distillation [51.66271681532262]
オンライン自己獲得知識蒸留(OSAKD)は、ディープニューラルネットワークの性能をオンライン的に向上することを目的としている。
出力特徴空間におけるデータサンプルの未知確率分布を推定するために、k-nnノンパラメトリック密度推定手法を用いる。
論文 参考訳（メタデータ） (2021-08-26T14:01:04Z) - A Ternary Bi-Directional LSTM Classification for Brain Activation
Pattern Recognition Using fNIRS [0.15229257192293197]
機能近赤外分光法(FNIRS)は、脳の血流パターンを研究するために用いられる非侵襲的で低コストな方法である。
提案システムはタスク分類にBi-Directional LSTMベースのディープラーニングアーキテクチャを使用する。
論文 参考訳（メタデータ） (2021-01-14T22:21:15Z) - A Deep Learning Based Ternary Task Classification System Using Gramian
Angular Summation Field in fNIRS Neuroimaging Data [0.15229257192293197]
機能近赤外分光法(FNIRS)は、血流パターンを研究するために用いられる非侵襲的、経済的手法である。
提案手法は,生のfNIRS時系列データをGramian Angular Summation Fieldを用いた画像に変換する。
深層畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)ベースのアーキテクチャは、メンタル算術、運動画像、アイドル状態などのタスク分類に使用される。
論文 参考訳（メタデータ） (2021-01-14T22:09:35Z) - Fast accuracy estimation of deep learning based multi-class musical
source separation [79.10962538141445]
本稿では,ニューラルネットワークのトレーニングやチューニングを行うことなく,任意のデータセットにおける楽器の分離性を評価する手法を提案する。
理想的な比マスクを持つオラクルの原理に基づいて、我々の手法は最先端のディープラーニング手法の分離性能を推定するための優れたプロキシである。
論文 参考訳（メタデータ） (2020-10-19T13:05:08Z) - Hyperspectral Images Classification Based on Multi-scale Residual
Network [5.166817530813299]
ハイパースペクトルリモートセンシング画像は多くの冗長情報を含み、データ構造は非線形である。
深層畳み込みニューラルネットワークの精度は高いが、訓練に少量のデータを使用すると、ディープラーニング手法の分類精度が大幅に低下する。
ハイパースペクトル画像の小さなサンプルに対して,既存のアルゴリズムの分類精度の低い問題を解くために,マルチスケール残差ネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-26T13:46:52Z) - Large Batch Training Does Not Need Warmup [111.07680619360528]
大きなバッチサイズを使用してディープニューラルネットワークをトレーニングすることは、有望な結果を示し、多くの現実世界のアプリケーションに利益をもたらしている。
本稿では,大規模バッチ学習のための全層適応レートスケーリング(CLARS)アルゴリズムを提案する。
分析に基づいて,このギャップを埋め,3つの一般的な大規模バッチトレーニング手法の理論的洞察を提示する。
論文 参考訳（メタデータ） (2020-02-04T23:03:12Z) - MSE-Optimal Neural Network Initialization via Layer Fusion [68.72356718879428]
ディープニューラルネットワークは、さまざまな分類と推論タスクに対して最先端のパフォーマンスを達成する。
グラデーションと非進化性の組み合わせは、学習を新しい問題の影響を受けやすいものにする。
確率変数を用いて学習した深層ネットワークの近傍層を融合する手法を提案する。
論文 参考訳（メタデータ） (2020-01-28T18:25:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。