文献

J-GLOBAL ID：201702212546392013   整理番号：17A1730688

小住宅の短期電力負荷の推定における無作為化フィードフォワード人工ニューラルネットワーク:事例研究【Powered by NICT】

Randomized feed-forward artificial neural networks in estimating short-term power load of a small house: A case study

著者 (3件)： Ertugrul Omer Faruk (Dept. of Electrical and Electronics Engineering Batman University Batman, Turkey) ,  Tekin Ramazan (Dept. of Computer Engineering Batman University Batman, Turkey) ,  Kaya Yilmaz (Dept. of Computer Engineering Siirt University Siirt, Turkey)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IDAP  ページ： 1-5  発行年： 2017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： 無作為化フィードフォワード人工神経回路網(ANNs)は,さまざまな分野において利用されている。本論文では,無作為化フィードフォワードANNの基本型,無作為化量人工ニューラルネットワーク,ランダムベクトル汎関数リンクネットワーク,極端学習マシン,動径基底関数ニューラルネットワークの効率を評価するために記述した。これらの方法を比較するために,小住宅データセットの電力負荷である,複雑なデータセットを使用した。得られた結果は,低い訓練誤差率は無作為化ベクトル汎関数リンクネットワークにより達成されたことを示した。一方,より低い試験誤り率は,ELMによって達成された。さらに,ELMを,他の採用した無作為化ANNよりも速く訓練と試験段階を持っている。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： *フィードフォワード ,  *ニューラルネットワーク ,  学習 ,  誤り率 ,  ベクトル ,  *事例研究 ,  汎関数
準シソーラス用語： 動径基底関数ニューラルネットワーク ,  *電力負荷 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 住宅 ,  短期 ,  電力負荷 ,  推定 ,  フィードフォワード ,  人工ニューラルネットワーク ,  研究