×
梅，英；谭冠正；刘振涛

一种改进的基于大脑的情感学习算法，用于快速分类。 （英语） Zbl 1461.62107号

算法（巴塞尔协议） 10，第2号，第70号论文，19页（2017年）.
分类是机器智能在信息领域的一项重要任务。人工神经网络（ANN）被广泛用于分类。然而，传统的人工神经网络训练速度较慢，难以满足大规模应用的实时性要求。本文提出了一种改进的脑启发情感学习（BEL）算法，用于快速分类。BEL算法是为了模拟哺乳动物大脑中情绪学习机制的高速性而提出的，它具有学习速度快、计算复杂度低的优点。为了提高BEL分类的准确性，采用遗传算法（GA）对BEL神经网络中杏仁核和眶额叶皮层的权重和偏差进行优化调整数据集和两个著名数据库（日本女性面部表情，Cohn-Kanade）。实验对比表明，本文提出的GA-BEL算法比原BEL算法更准确，并且比传统算法快得多。

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62页第10页 统计学在生物学和医学中的应用；元分析
68T05型 人工智能中的学习和自适应系统
92秒20 生物研究、人工生命和相关主题中的神经网络

关键词：

分类；大脑情感学习；奖励；遗传算法；健康

软件：

UCI-毫升；雅菲；伦敦银行支持向量机；OP-ELM公司
PDF格式BibTeX公司 XML格式引用
\textit｛Y.Mei｝等人，算法（巴塞尔）10，第2号，论文编号70，第19页（2017；Zbl 1461.62107）
全文： 内政部

参考文献：

[1] 弗格斯，P。；伊多乌，I。；侯赛因，A。；利用EHG记录检测早产的先进人工神经网络分类；神经计算：2016; 第188卷，第42-49页。
[2] Grbic，D。；Saenko，S.V.公司。；Randriamoria，T.M。；变色豹颜色变异的系统地理学和支持向量机分类；摩尔生态：2015; 第24卷，3455-3466。
[3] Lajnef，T。；Chaibi，S。；鲁比，P。；学习机器和睡眠大脑：使用决策树多类支持向量机的自动睡眠阶段分类；《神经科学杂志》。数学。：2015; 第250卷，94-105。
[4] Lu，S.Y.公司。；邱，X。；史J.P。；李，N。；卢，Z.H。；陈，P。；张，Y.D。；基于Bat算法优化极端学习机的病理脑检测系统；CNS神经。迪索德。药物目标：2017年；第16卷，1-8。
[5] Wang，S.H。；杜，S。；Zhang，Y。；菲利普斯，P。；Wu，L。；张，Y.D。；基于伪Zernike矩和线性回归分类的阿尔茨海默病检测；CNS神经。迪索德。药物目标：2017年；第16卷，11-15。
[6] 赵，H。；曾，X。；何，Z。；基于凸组合的改进函数链人工神经网络非线性有源噪声控制；申请。软计算：2016; 第42卷，351-359。
[7] 巴比，A.K。；基于损伤映射的分布式情绪智力神经系统；社会认知。影响。神经科学：2014年；第9265卷。
[8] 沙巴菲，文学硕士。；卢卡斯，C。；Daneshvar，R。；基于大脑情感学习的智能控制器对全方位三轮机器人的运动控制；IEEE传输。Syst Man Cybern公司。C： 2010年；第40卷，630-638页。
[9] 医学博士夏尔马。；库马尔，A。；基于大脑情感学习的智能控制器（BELBIC）和PI控制器在连续搅拌槽式加热器（CSTH）中的性能比较；莱克特。注释经济。数学。：2015; 第335卷，第293-301页。
[10] J.Morén。；Balkenius，C。；杏仁核情绪学习的计算模型；第六届模拟适应行为国际会议论文集：英国剑桥，2000年，115-124.
[11] LeDoux，J.E。；情绪与边缘系统概念；神经科学概念：1991; 第2卷，169-199。
[12] 帕斯拉普尔，M。；比尔斯特鲁普，美国。；一种受情感学习启发的集成分类器（ELiEC）；2013年计算机科学和信息系统联合会议记录：，137-141.
[13] Lotfi，E。；基于情感神经网络的风力发电预测；IEEE系统、人与控制论国际会议论文集：，311-316.
[14] 林，C.M。；钟，C.C。；非线性系统的模糊脑情感学习控制系统设计；国际模糊系统杂志：2015; 第17卷，117-128。
[15] 卢卡斯，C。；Danial Shahmirzadi，Nima Sheikholeslami。引入Belbic：基于大脑情感学习的智能控制器；智力。自动。软计算：2013; 第10卷，11-21。
[16] Abdi，J。；Moshiri，B。；Abdulhai，B。；基于改进神经模糊模型的情感时差学习短期交通流预测；工程应用。Artif公司。智力：2012; 第25卷，1022-1042。
[17] Parsapoor，医学学士。；基于脑情感学习的递归模糊系统（BELRFS）混沌时间序列预测；智力。系统：2013; 第2卷，113-126。
[18] Lotfi，E。；Akbarzadeh，T。；基于大脑情感学习的模式识别器；网络。系统：2013; 第44卷，402-421。
[19] 沈，Z.Q。；Kong，F.S.公司。；基于遗传算法的神经网络集成权值优化；高级神经网络：2004; 第317323-331卷。
[20] Holland，J.H；自然和人工系统的适应：英国剑桥，1992年。
[21] 肯尼迪，J。；埃伯哈特，R；粒子群优化：美国纽约州纽约市，2011年。
[22] 秦，A.K。；黄，V.L。；Suganthan，P.N。；全局数值优化的策略自适应差分进化算法；IEEE传输。进化。计算：2009年；第13卷，398-417。
[23] LeDoux，J.E。；大脑中的情绪回路；每年。神经科学评论：2000; 第23卷，155-184。
[24] 斯里尼瓦斯，M。；Pattanaik，L.M。；遗传算法：综述；IEEE计算：1994; 第27卷，17-27。
[25] 冷，Z。；高杰。；张，B。；基于遗传算法的优化BP神经网络短期交通流预测模型；IEEE控制会议记录：，8125-8129.
[26] Yu，F。；Xu，X。；基于优化遗传算法和改进BP神经网络的天然气短期负荷预测模型；申请。能源：2014年；第134卷，102-113。
[27] UCI机器学习库。
[28] W.H.克鲁斯卡尔。；沃利斯，W.A。；秩在单准则方差分析中的应用；《美国法学会杂志》：1952年；第47卷，583-621·Zbl 0048.11703号
[29] LIBSVM：支持向量机库。
[30] 森古尔，A。；模拟调制分类的多类最小二乘支持向量机；专家系统。申请：2009年；第3卷，6681-6685。
[31] Miche，Y。；Sorjama，A。；Bas，P。；OP-ELM：最优剪枝极端学习机；IEEE传输。神经网络：2010; 第21卷，158-162。
[32] 黄，G.B。；周，H。；丁，X。；回归和多类分类的极限学习机；IEEE传输。Syst Man Cybern公司。B： 2012年；第42卷，513-529。
[33] Bai，Z。；黄，G.B。；王，D。；用于分类的稀疏极端学习机；IEEE传输。网络：2014年；第44卷，1858-1870年。
[34] 日本女性面部表情数据库。
[35] Cohn-Kanade AU-Coded表达式数据库。
[36] 快乐，S.L。；Routray，A。；基于显著面片特征的面部表情自动识别；IEEE传输。影响。计算：2015; 第6卷，1-12。
[37] 刘，S.S。；Zhang，Y。；Liu，K.P。；基于最大似然估计稀疏表示的随机块遮挡人脸表情识别；国际神经网络联合会议纪要：，1285-1290.
[38] Ar，A。；德米尔，Y。；居泽利什，C。；一种新的基于curvelet变换和在线序列极值学习机的人脸表情识别方法；神经计算。申请：2016; 第27卷，131-142。
[39] Saaidia，M。；泽米，N。；拉姆达尼，M。；用于增强面部表情识别的多图像特征化技术；智能系统技术与应用：2016年德国布雷林；卷384497-509。
[40] 张，Y.D。；Yang，Z.J。；卢，H.M。；基于双正交小波熵、模糊支持向量机和分层交叉验证的人脸情绪识别；IEEE接入：2016年；第99卷，1-11。
[41] 欧阳，Y。；Sang，N。；黄，R。；融合多个稀疏表示分类器的人脸表情识别；神经计算：2015; 第149卷，第71-78页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。