文献

J-GLOBAL ID：201602277553569369   整理番号：16A0725031

スラリーパイプライン臨界沈着速度予測に対するLS-SVMの応用【Powered by NICT】

Application of LS-SVM on slurry pipeline critical deposition velocity prediction

著者 (3件)： Yang Jingzong (Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming, 650500, China) ,  Wang Xiaodong (Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming, 650500, China) ,  Wu Jiande (Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming, 650500, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CCDC  ページ： 1411-1415  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： スラリーパイプライン輸送における重要なパラメータとして,臨界沈着速度は内外で多くの専門家と研究者の対象となってきた。しかし,スラリーパイプライン水力学設計中に,スラリーパイプライン臨界堆積式におけるいくつかの問題,種々の形の,計算値の大きな誤差と応用の狭い範囲である。最小二乗サポートベクトルマシン(LS-SVM)は,統計的学習理論に基づく機械学習法,従来のニューラルネットワークの多くの欠点を避けることができる。に影響を及ぼす主な要因の分析に基づく臨界沈着速度を予測するために最小二乗サポートベクトルマシンを紹介した。試料試験後,シミュレーション結果は,このモデルは良好な結果を得ることができ,表現の経験式と比較して,予測結果の精度が高いことを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  *沈着 ,  シミュレーション ,  実験式 ,  水力学 ,  機械学習 ,  *臨界
準シソーラス用語： 統計的学習理論 ,  最小二乗-サポートベクトルマシン ,  計算値 ,  スラリーパイプライン , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： スラリーパイプライン ,  臨界 ,  予測 ,  LS-SVM ,  応用