文献

J-GLOBAL ID：202002261798921157   整理番号：20A0066976

ニューロ-ファジィモデリング手法による大気質予測【JST・京大機械翻訳】

Air quality prediction by neuro-fuzzy modeling approach

著者 (4件)： Lin Yu-Chun (Department of Electrical Engineering, National Sun Yat-Sen University, Kaohsiung, Taiwan) ,  Lee Shie-Jue (Department of Electrical Engineering and Intelligent Electronic Commerce Research Center, National Sun Yat-Sen University, Kaohsiung, Taiwan) ,  Ouyang Chen-Sen (Department of Information Engineering, I-Shou University, Kaohsiung, Taiwan) ,  Wu Chih-Hung (Department of Electrical Engineering, National University of Kaohsiung, Kaohsiung, Taiwan)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 86  ページ： Null  発行年： 2020年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,ニューロファジィネットワークアプローチに基づく大気質予測システムを提案した。歴史的時系列データを用いて,将来における大気汚染物質濃度と環境因子を予測するために,ファジィ規則の集合を導出するか,あるいはニューロファジィネットワークを等価的に導いた。含まれる影響因子の不確実性のために,ファジィ要素を予測システムに加えた。まず,訓練データをファジィクラスタに分割し,そのメンバシップ関数を推定平均と分散により特性化した。これらのファジィクラスタから,ファジィルールを抽出し,4層ファジィニューラルネットワークを構築した。次に,遺伝的,粒子群最適化および最急降下逆伝搬アルゴリズムを,ネットワークを訓練するために適用した。ファジィ推論プロセスを通して導き出されたネットワーク出力は,予測大気汚染物質濃度または大気質指標を生成する。提案した手法は次の利点を持つ。(1)ファジィ要素の追加は,関与する影響因子の不確実性をより適切に扱うことができる。(2)訓練データの分布は,統計的方法と分散によってファジィクラスタによって適切に説明することができた。(3)ファジィルールは,訓練データから自動的に抽出される。(4)得られたファジィルールは高品質であり,それらのパラメータは効果的に最適化できる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 遺伝 ,  不確実性 ,  クラスタ化 ,  *曖昧さ ,  ファジィニューラルネットワーク ,  クラスタ ,  ファジィ推論 ,  大気汚染物質 ,  最急降下法 ,  メンバシップ関数 ,  キャラクタリゼーション ,  統計的方法 ,  ネットワーク ,  最適化
準シソーラス用語： 訓練データ , 【Automatic Indexing@JST】

著者キーワード (6件)： 大気質 ,  ファジィルール ,  ファジィニューラルネットワーク ,  時系列 ,  クラスタリング ,  最適化アルゴリズム

分類 (4件)： 医用画像処理  (JE04020T) ,  分子・遺伝情報処理  (JE15040B) ,  遺伝子発現  (EC02040Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ファジィモデリング ,  手法 ,  大気質 ,  予測