文献

J-GLOBAL ID：201702218654961886   整理番号：17A1725130

確率的量を用いたPSO(粒子群最適化)に基づく改良されたGM(1,1)【Powered by NICT】

The improved GM(1,1) based on PSO with stochastic weight

著者 (3件)： Meng Fanlin (College of Information and Management Science, Henan Agricultural University, Zhengzhou 450002, China) ,  Wang Tianhui (College of Information and Management Science, Henan Agricultural University, Zhengzhou 450002, China) ,  Li Bingjun (College of Information and Management Science, Henan Agricultural University, Zhengzhou 450002, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GSIS  ページ： 154-158  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： GM(1,1)の予測精度を改善するために本論文では,モデルのパラメータ,GM(1,1)のパラメータを計算するために粒子群最適化アルゴリズム(PSO)を利用しようとするものを解くための最小二乗法を用いての欠点を指摘した,ランダムに粒子の慣性重みを与えるためにPSOに確率的戦略を導入し,適合精度を比較するために改善したGM(1,1),伝統的なGM(1,1)とDGM(1,1)を確立するために高層指数配列と低上昇指数数列を選択する。さらに,灰色相関分析を用いて,フィッティング配列間の類似性と三つのモデルの元の配列を測定した。結果は低上昇指数数列のための,改良されたGM(1,1)は伝統的なGM(1,1)とDGM(1,1)よりもわずかに優れていることを示す高層指数数列のための,改良されたGM(1,1)の優位性は他の二つのモデル,特に伝統的なGM(1,1)よりも明らかに高かった。これら二種類の配列のための,改良されたGM(1,1)に基づく適合配列の幾何学は,元の配列の形状に近い。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： 幾何学 ,  *上層 ,  類似性 ,  モデル ,  最小二乗法
準シソーラス用語： 相関分析 ,  予測精度 ,  *粒子群最適化 , 【Automatic Indexing@JST】

分類 (2件)： システム最適化手法  (IA02050Z) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 確率 ,  PSO ,  粒子群最適化