文献

J-GLOBAL ID：202002223893189364   整理番号：20A2555315

改良共役勾配法に基づくRBFネットワークを用いた溶存酸素予測【JST・京大機械翻訳】

Dissolved Oxygen Prediction Using RBF Network Based on Improved Conjugate Gradient Method

著者 (4件)： Yang Huanhai (Shandong Technology and Business University,Department of Computer Science and Technology,Yantai,Shandong Province,China) ,  Wang Xueying (Shandong Technology and Business University,Department of Computer Science and Technology,Yantai,Shandong Province,China) ,  Sun Jiajun (Shandong Technology and Business University,Department of Computer Science and Technology,Yantai,Shandong Province,China) ,  Li Dashe (Shandong Technology and Business University,Department of Computer Science and Technology,Yantai,Shandong Province,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSESS  ページ： 515-518  発行年： 2020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： 溶存酸素濃度は水産養殖における重要な水質パラメータである。その傾向を正確に把握するために,改良共役勾配法に基づくRBFニューラルネットワークモデルであるICG-RBFの予測モデルを提案した。モデルは,共役勾配法の探索方向と学習速度を最適化する。FR法とPRP法を組み合わせたハイブリッド共役勾配法を提案し,探索方向を最適化した。同時に,学習速度を最適化するための「報酬罰」戦略を改善した。従来のRBFニューラルネットワークモデルと比較して,ICG-RBFモデルのシミュレーション結果は,より少ない反復,より速い収束速度およびより高い精度を持った。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  シミュレーション ,  水質 ,  *溶存酸素 ,  養殖 ,  *共役勾配法 ,  *動径基底関数ネットワーク ,  予測モデル
準シソーラス用語： 罰 ,  収束速度 ,  溶存酸素濃度 ,  動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 共役勾配法 ,  RBFネットワーク ,  溶存酸素 ,  予測