文献

J-GLOBAL ID：201702248601205251   整理番号：17A1035335

短期予測解析のためのハイブリッド最小二乗サポートベクトルマシン【Powered by NICT】

Hybrid Least Squares Support Vector Machines for short term predictive analysis

著者 (4件)： Mustaffa Zuriani (Faculty of Computer Systems & Software Engineering, Universiti Malaysia Pahang, 26300 Gambang, Kuantan, Malaysia) ,  Sulaiman Mohd Herwan (Faculty of Electric and Electronics Engineering, Universiti Malaysia Pahang, 26600 Pekan, Malaysia) ,  Ernawan Ferda (Faculty of Computer Systems & Software Engineering, Universiti Malaysia Pahang, 26300 Gambang, Kuantan, Malaysia) ,  Kamarulzaman Syafiq Fauzi (Faculty of Computer Systems & Software Engineering, Universiti Malaysia Pahang, 26300 Gambang, Kuantan, Malaysia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCAR  ページ： 571-574  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： ガ火炎最適化(MFO)アルゴリズムは,群知能(SI)として分類されている比較的新しい最適化アルゴリズムである。性質における蛾類のユニークな挙動によりヒントを得たものである。若年にもかかわらず,このアルゴリズムは多くの最適化問題を解決することができることが証明されている。物質に関しては,本研究は,最小二乗サポートベクトルマシン(MFO LSSVMと名付ける)とMFOの新しいハイブリッド手法を紹介した。なハイブリダイゼーションにより,LSSVMハイパーパラメータはMFOによって微調整した。予測における一般化を改善することができる。負荷データで実現し,提案したモデルの効率を三種類の同等なハイブリッドアルゴリズムと比較し,三つの統計的基準に基づいて測定した。実験研究は,MFO LSSVMを同定したハイブリッドアルゴリズムと比較して良好な予測結果を生成できることを示した。確立ハイブリッドモデルは短期負荷予測に適用される可能性を示した。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： モデル ,  アルゴリズム ,  最適化問題 ,  負荷予測 ,  最適化 ,  *予測
準シソーラス用語： ハイブリッドモデル ,  実験研究 ,  ハイブリッドアルゴリズム ,  微調整 ,  ハイパーパラメータ ,  若年 ,  最適アルゴリズム ,  群知能 ,  *予測解析 , 【Automatic Indexing@JST】

分類 (5件)： 計算理論  (JB02000A) ,  通信理論一般  (ND02010V) ,  システム設計・解析  (IA02030D) ,  品質管理  (YA01089M) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (3件)： 短期予測 ,  解析 ,  最小二乗サポートベクトルマシン