文献

J-GLOBAL ID：201602226386473593   整理番号：16A1067232

動的突然変異率を用いたSVM統合CBGAによる太陽フレア予測【Powered by NICT】

Solar flare prediction by SVM integrated CBGA with dynamic mutation rate

著者 (8件)： Yamamoto Yukiko (School of Information Environment, Tokyo Denki University, Inzai, Japan) ,  Itoh Daichi (School of Information Environment, Tokyo Denki University, Inzai, Japan) ,  Tsuruta Setsuo (School of Information Environment, Tokyo Denki University, Inzai, Japan) ,  Muranushi Takayuki (RIKEN Advanced Institute for Computational Science, Kobe, Japan) ,  Hada-Muranushi Yuko (Kwasan and Hida Observatories, Kyoto University, Japan) ,  Kobashi Syoji (Graduate School of Engineering, University of Hyogo, Himeji, Japan) ,  Mizuno Yoshiyuki (Faculty for the Study of Contemporary Society, Kyoto Women’s University, Japan) ,  Knauf Rainer (Faculty of Computer Science and Automation, Ilmenau University of Technology, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： WAC  ページ： 1-7  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： 太陽活動は地球環境に種々の影響を及ぼす,特に磁気嵐と自然災害の可能性に。具体的には,衛星通信とナビゲーションの破壊(GPS),衛星損傷,宇宙飛行士に増加した放射線被曝,磁気嵐とオーロラのような地球に深刻な影響,そしてより深刻な災害を引き起こす発電所故障を持つ可能性がある。重大災害を引き起こす大規模太陽フレアの正確な予測のためには,宇宙天気予報,基本的には太陽フレアの毎日の予測を改善することが重要である。にこれまでの筆者らの研究では,サポートベクトルマシン(SVM)と呼ばれる機械学習アルゴリズムは,宇宙天気を予測するために使用した。ここでは,より正確な予測のための事例ベース遺伝的アルゴリズム(CBGA)を統合することにより,この技術を拡張することを提案し,この手法の評価を行った。実験的評価により,提案遺伝的アルゴリズムにおける進化の減速に及ぼす三重突然変異率は真のスキル統計TSSにおける元の突然変異率よりかなり(他の例えば5%)改善することを示した。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： 学習アルゴリズム ,  放射線被曝 ,  衛星通信 ,  極光 ,  地球環境 ,  遺伝的アルゴリズム ,  地球 ,  磁気嵐 ,  サポートベクトルマシン ,  宇宙飛行士 ,  *太陽フレア ,  GPS
準シソーラス用語： GPS【位置決め】 ,  宇宙天気 ,  宇宙天気予報 ,  *変異率 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 突然変異率 ,  SVM ,  統合 ,  太陽フレア ,  予測