文献

J-GLOBAL ID：201702287407919888   整理番号：17A1730689

極限学習機械(extreme learning machineによる特徴選択を介した小住宅の短期電力負荷の推定における関連特徴の決定【Powered by NICT】

Determining relevant features in estimating short-term power load of a small house via feature selection by extreme learning machine

著者 (4件)： Ertugrul Omer Faruk (Dept. of Electrical and Electronics Engineering Batman University Batman, Turkey) ,  Sezgin Necmettin (Dept. of Electrical and Electronics Engineering Batman University Batman, Turkey) ,  Oztekin Abdulkerim (Dept. of Electrical and Electronics Engineering Batman University Batman, Turkey) ,  Tagluk Mehmet Emin (Dept. of Electrical and Electronics Engineering Inonu University Malatya, 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： 短期電力負荷の推定配電系統における基本的な問題である。短期電力負荷である気象条件,および時間などの多くのパラメータに関係している。本研究の目的は,計算コストを減少させることなく,高い成功率を達成するためにだけでなく短期電力負荷を推定するための関連するパラメータを決定することである。さらに,選択された特徴を用いて必要なメモリにより,機器と通信コストも実時間応用において減少した。極端学習機械法による特徴選択は関連した特徴を決定するのに使用した。二住宅(それらの一つは,発電能力を持つ)の短期電力負荷を試験に使用し,得られた結果は低い誤り率が少ない数の特徴を用いて得られた。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： 誤り率 ,  *特徴選択 ,  *学習機械 ,  記憶装置 ,  配電系統 ,  気象条件
準シソーラス用語： 極度学習機械 ,  実時間 ,  通信コスト ,  計算コスト ,  *電力負荷 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  信号理論  (ND02020G)

タイトルに関連する用語 (7件)： 極限 ,  学習機械 ,  特徴選択 ,  住宅 ,  短期 ,  電力負荷 ,  推定