文献

J-GLOBAL ID：201702214796525253   整理番号：17A0473023

遺伝的アルゴリズムは多領域時系列予測のための二重貯水池エコー状態ネットワークを最適化した【Powered by NICT】

Genetic algorithm optimized double-reservoir echo state network for multi-regime time series prediction

著者 (4件)： Zhong Shisheng (School of Mechatronics Engineering, Harbin Institute of Technology, Harbin, China) ,  Xie Xiaolong (School of Mechatronics Engineering, Harbin Institute of Technology, Harbin, China) ,  Lin Lin (School of Mechatronics Engineering, Harbin Institute of Technology, Harbin, China) ,  Wang Fang (School of Mechatronics Engineering, Harbin Institute of Technology, Harbin, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 238  ページ： 191-204  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 徴候と健全性管理(PHM)では,装置のセンサ測定時系列を収集し,今後のセンサ測定を予測するPHMに重要であるする。複雑な装置は一般に,動的運転条件の下で運転されるためこのようにして,運転レジームスイッチングプロセスは,センサ測定時系列,多領域時系列と呼ばれるに存在する。異なる動作領域は,時系列に種々の効果を持つ可能性がある,レジームスイッチングプロセスは多領域時系列予測のための大きな課題となっている。マルチレジーム時系列を正確に予測するために,二重貯水池エコー状態ネットワーク(DRESN)は通常のエコー状態ネットワークを修飾することにより採用した。DRESNモデルは二入力系列:センサ測定配列と領域パラメータ配列を持つ,領域パラメータは動作領域を反映し,センサ測定に影響する,二貯留層は,これらの二配列をモデル化するために,それぞれ過去,二貯水池の出力は,将来のセンサ測定を予測するために凝集した。将来のセンサ測定を予測する際にDRESNモデルは,以前のセンサ測定を考慮するだけでなく,領域パラメータの影響を考慮した;このようにして,多領域時系列予測の精度を改善することができる。さらに,DRESNモデルの訓練アルゴリズムを提案した,線形回帰問題を解き,DRESNモデルを効率化する必要がある。良好な性能を達成するために,GAは混合整数問題を解くのに有効であるためDRESNモデルの四個のパラメータは,遺伝的アルゴリズム(GA)を用いて最適化し,重み付き交差検証を目的関数に採用された同時に精度と単純性を達成することである。DRESNモデルはターボファンエンジンマルチレジーム時系列に適用し,他のモデルと比較した。結果はDRESNモデルは正確で多領域時系列予測で安定であることを検証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *最適化 ,  効率化 ,  健全性 ,  モデリング ,  *貯水池 ,  目的関数 ,  センサ ,  学習アルゴリズム ,  *遺伝的アルゴリズム
準シソーラス用語： 線形回帰 ,  貯留層 ,  運転条件 ,  *エコー状態ネットワーク ,  *時系列予測 , 【Automatic Indexing@JST】

著者キーワード (4件)： エコー状態ネットワーク ,  多領域時系列 ,  時系列予測 ,  遺伝的アルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 遺伝的アルゴリズム ,  時系列予測 ,  貯水池 ,  エコー状態ネットワーク ,  最適化