文献

J-GLOBAL ID：201702284124545758   整理番号：17A0380174

改良されたグレイRBF(動径基底関数)神経回路網モデルに基づいた水位予測【Powered by NICT】

Water level prediction based on improved grey RBF neural network model

著者 (2件)： Jian Zhang (College of Computer and Information, Hohai University, China) ,  Yuansheng Lou (Jiangsu, Nanjing, China 210098)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IMCEC  ページ： 775-779  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： 予測精度に影響するの無作為サンプルによるRBF(動径基底関数)ニューラルネットワーク予測結果では,RBFネットワークのグレイ予測モデルを用いて訓練され,データのランダム性を非常に弱く,ニューラルネットワークとグレイ予測,ネットワークモデルによる構築物灰色RBF(動径基底関数)ニューラルネットワーク,および水文予測の組合せは,水文学的予測の精度を改善することができる。しかしグレースケールデータが大きい場合,GMのモデル(1,1, θ)のパラメータのために,貧弱な予測精度をもたらす。これに関連して,GM(1, 1, θ)は,そのを改善するために,アリコロニーアルゴリズムをモデル化し,使用し,RBF(動径基底関数)ネットワークの構築,陰関数ノードが,不安定性,決定し,隠れノードを決定するための黄金分割法を使用する選択への実際の経験に頼ってきているでは予測精度を改善することができる。予測結果は灰色RBF(動径基底関数)ニューラルネットワーク予測モデルは高精度と良好な汎化能力を持ち,実用的価値を持つことを示した。Copyright 2017 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 ,  *水位 ,  モデリング ,  動径基底関数ネットワーク ,  ネットワーク ,  予測モデル ,  *動径基底関数 ,  水文学 ,  無作為抽出 ,  汎化
準シソーラス用語： 高精度 ,  ネットワークモデル ,  ランダム性 ,  予測精度 ,  *神経回路網モデル , 【Automatic Indexing@JST】

分類 (3件)： 色  (BD03090A) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： グレイ ,  RbF ,  動径基底関数 ,  神経回路網モデル ,  水位 ,  予測