文献

J-GLOBAL ID：202202246292813637   整理番号：22A0497103

教師つき脳感情学習に基づく簡単で効率的な降雨流出モデル【JST・京大機械翻訳】

A simple and efficient rainfall-runoff model based on supervised brain emotional learning

著者 (3件)： Parvinizadeh Sara (Department of Civil Engineering, Jundi-Shapur University of Technology, Dezful, Iran) ,  Zakermoshfegh Mohammad (Department of Civil Engineering, Jundi-Shapur University of Technology, Dezful, Iran) ,  Shakiba Maryam (Department of Electrical and Computer Engineering, Jundi-Shapur University of Technology, Dezful, Iran)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 2  ページ： 1509-1526  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ロバストなデータ駆動洪水予測モデルを達成するためには,高速学習,不十分なデータを用いた適切な訓練,洪水流の信頼できる予測などの特徴が極めて重要である。また,これらのモデルは,予測ピーク放電における精度の低下,降雨事象の挑戦的なシミュレーション,不十分な訓練データによる直面する性能劣化,および訓練期間の減少による弱点などの顕著な脆弱性を有する。本論文では,管理された脳感情学習(SBEL)ニューラルネットワークを,水文学の分野における最初の応用として,イラン南西部のDezダム流域の毎日の降雨-流出モデリングにおいて使用した。SBELは,哺乳類脳における辺縁系により触発された教師つき神経計算モデルである。正しい応答を生成するために,SBELは感情的刺激の処理および感情的脳における刺激に対する不正確な応答の阻害機構をモデル化する。SBELの性能を,異なる展望を通して,15-8-1アーキテクチャを有するよく知られた多層パーセプトロン(MLP)と比較した。SBELは,ピーク流量予測においてMLPを凌駕し,訓練期間を制限し,訓練サンプルを減らし,降雨事象の予測を,それぞれ21%,59.4%,74.5%および14.4%の平均相対誤差を改善した。乾燥,正常および湿潤期間における低減訓練データを配置することによって,SBELがすべての流動様式においてより多くの一般化能力を有することが観察された。全体として,この種の感情知能ベースのモデルの使用は,信頼できる早期洪水予測と警報システムの開発に特に興味がある。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 放電 ,  *降雨 ,  洪水 ,  洪水予報 ,  *学習 ,  流量 ,  水文学 ,  湿潤 ,  流れ分布 ,  警報システム ,  計算機アーキテクチャ ,  ロバスト性 ,  計算モデル ,  多層パーセプトロン
準シソーラス用語： 訓練データ , 【Automatic Indexing@JST】

著者キーワード (4件)： 教師付き脳感情学習 ,  限られた訓練サンプル ,  正確なピーク放電予測 ,  高速学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 教師 ,  脳 ,  感情 ,  学習 ,  降雨流出モデル