進化型機械学習フレームワークに基づく SVM-NN における感度解析

カテゴリ: 部門大会

論文No: TC6-6

グループ名: 【C】2019年電気学会電子・情報・システム部門大会プログラム

発行日: 2019/08/28

タイトル(英語): Sensitivity Analysis in SVM-NN based on Evolutionary Machine Learning Framework

著者名: 小川 恭子(大阪府立大学),森 直樹(大阪府立大学)

著者名(英語): Kyoko Ogawa|Naoki Mori

キーワード: 機械学習|進化型計算|ニューラルネットワーク|進化型機械学習フレームワー ク|感度解析|Machine Learning|Evolutionary computation|Neural Network|Evolutionary machine learning framework|Sensitivity Analysis

要約(日本語): 筆者らは深層学習をはじめとする機械学習の構造をメタ最適化することにより最良の機械学習システムを進化的に構築する進化型機械学習フレームワーク (evolutionary Machine Learning Framework: evoMLF) を提案してきた。その中で，SVM (Support Vector Machine)，深層学習および進化型計算を融合した evoMLF の一手法を提案し，有効性を示してきた。一方で，進化型計算の適応度に関するパラメータについての考察が十分にはなされていかなったので，本研究では適応度パラメータに関する感度解析について考察した。またその結果に基づき evoMLF の性能を解析し，有効性を示す。

PDFファイルサイズ: 557 Kバイト