文献

J-GLOBAL ID：202002299202990893   整理番号：20A0007519

余剰勾配ブースティング回帰に基づく4-CRU並列機構の電力予測【JST・京大機械翻訳】

Power prediction of a 4-CRU parallel mechanism based on extra gradient boosting regressor

著者 (3件)： Solichin Mochammad (School of Mechanical Engineering, Pusan National University, Busan, South Korea) ,  Nurahmi Latifah (Department of Mechanical Engineering, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia) ,  Putro Bimo Jati (Department of Mechanical Engineering, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia)
資料名： AIP Conference Proceedings  (AIP Conference Proceedings)
巻： 2187  号： 1  ページ： 050015-050015-5  発行年： 2019年 
JST資料番号： D0071C  ISSN： 0094-243X  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： ロボットのパワー解析は,その運動学を計算した後の動的モデリングの最終段階である。電力計算はプロセスの複雑さのため長時間を要する。本論文は,Extra Gradient Boosing Regressor(XGBR)を用いることによって,4-CRU並列機構の電力予測を扱った。XGBRは機械学習におけるアルゴリズムの一つであり,良好な学習者を取ることができ,構築されたモデルから弱い学習者を残すことができる。次に,XGBRを,最良の予測精度でハイパーパラメータ同調を克服するためにランダム探索を用いて最適化した。XGBR同調ハイパーパラメータは,満足な予測モデルを実行した。予測結果は,それがモデル予測の最小誤差に基づいているので,ロボット挙動を完全に示すことができる。平均絶対誤差(MAPE)に基づく誤差値は,0.05099%であり,平均二乗誤差(MSE)に基づき,11分を要する0.0001であった。精度と効率の値は,4-CRU並列機構の電力予測モデルが成功裏に実行されたと言う点で非常に合理的である。Copyright 2020 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 同調 ,  機械学習 ,  アルゴリズム ,  予測モデル ,  *電力 ,  最適化 ,  ロボット
準シソーラス用語： 平均二乗誤差 ,  平均絶対誤差 ,  モデル予測 ,  予測精度 ,  学習者 ,  複雑性 ,  動的モデリング ,  *ブースティング , 【Automatic Indexing@JST】

分類 (5件)： 医学教育  (GA01040F) ,  有機物質の物理分析一般  (CC03031B) ,  電力工学・電力事業一般  (NB01000X) ,  数値計算  (JE02000J) ,  医療制度  (GB04020H)

タイトルに関連する用語 (3件)： 余剰 ,  勾配ブースティング ,  予測