論文の概要: Prediction of Discharge Capacity of Labyrinth Weir with Gene Expression
Programming
- arxiv url: http://arxiv.org/abs/2002.02751v1
- Date: Thu, 16 Jan 2020 00:48:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 23:37:05.930092
- Title: Prediction of Discharge Capacity of Labyrinth Weir with Gene Expression
Programming
- Title(参考訳): 遺伝子発現プログラミングによるラビリンスワイアの放電容量の予測
- Authors: Hossein Bonakdari, Isa Ebtehaj, Bahram Gharabaghi, Ali Sharifi, Amir
Mosavi
- Abstract要約: 本稿では,三角迷路の排出係数を予測するための遺伝子発現プログラムに基づくモデルを提案する。
異なる統計指標を用いて行った研究の結果, GEPはNLRよりも有能であることが示唆された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes a model based on gene expression programming for
predicting the discharge coefficient of triangular labyrinth weirs. The
parameters influencing discharge coefficient prediction were first examined and
presented as crest height ratio to the head over the crest of the weir, a crest
length of water to channel width, a crest length of water to the head over the
crest of the weir, Froude number and vertex angle dimensionless parameters.
Different models were then presented using sensitivity analysis in order to
examine each of the dimensionless parameters presented in this study. In
addition, an equation was presented through the use of nonlinear regression
(NLR) for the purpose of comparison with GEP. The results of the studies
conducted by using different statistical indexes indicated that GEP is more
capable than NLR. This is to the extent that GEP predicts the discharge
coefficient with an average relative error of approximately 2.5% in such a
manner that the predicted values have less than 5% relative error in the worst
model.
- Abstract(参考訳): 本稿では,三角迷路の排出係数を予測するための遺伝子発現プログラムに基づくモデルを提案する。
排出係数予測に影響を及ぼすパラメータをまず検討し, ワイアの頂部における頭頂の高さ比, 流路幅に対する水頂長, ワイアの頂部における頭頂長, フロード数および頂点角の無次元パラメータとして提示した。
この研究で提示された無次元パラメータのそれぞれを調べるために,感度解析を用いて異なるモデルを提示した。
さらに, GEPとの比較のために非線形回帰(NLR)を用いて方程式を提示した。
異なる統計指標を用いて行った研究の結果, GEPはNLRよりも有能であることが示唆された。
これは、GEPが平均相対誤差約2.5%の放電係数を予測し、予測値が最悪のモデルで5%未満の相対誤差を持つ程度である。
関連論文リスト
- Expected Information Gain Estimation via Density Approximations: Sample Allocation and Dimension Reduction [0.40964539027092906]
一般非線形/非ガウス的設定におけるEIG推定のためのフレキシブルトランスポートに基づくスキームを定式化する。
この最適サンプル割り当てにより、得られたEIG推定器のMSEは標準ネストされたモンテカルロスキームよりも高速に収束することを示す。
次に、パラメータを投影し、低次元部分空間に観測することで失われる相互情報の勾配に基づく上界を導出することにより、高次元でのEIGの推定に対処する。
論文 参考訳(メタデータ) (2024-11-13T07:22:50Z) - Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。
我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
論文 参考訳(メタデータ) (2024-07-11T13:28:34Z) - High-dimensional analysis of ridge regression for non-identically distributed data with a variance profile [0.0]
線形回帰に対する尾根推定器の予測リスクを分散プロファイルを用いて検討した。
ある種の分散プロファイルについては、よく知られた二重降下現象の出現に注目した。
また、独立分散データと同一分散データの標準設定で存在する類似点と相違点についても検討する。
論文 参考訳(メタデータ) (2024-03-29T14:24:49Z) - Model-Based Reparameterization Policy Gradient Methods: Theory and
Practical Algorithms [88.74308282658133]
Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。
近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。
本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
論文 参考訳(メタデータ) (2023-10-30T18:43:21Z) - Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。
本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
論文 参考訳(メタデータ) (2023-09-15T22:06:29Z) - Bayesian Analysis for Over-parameterized Linear Model without Sparsity [8.1585306387285]
本研究では,データ共分散行列の固有ベクトルに依存する事前分布を用いたベイズ的手法を提案する。
また、導出した後続推定の収縮率も提供し、後続分布のガウス近似を計算した。
これらの結果は,データスペクトルを処理し,非スパースな高次元パラメータを推定できるベイズ的手法が実現可能であることを示唆している。
論文 参考訳(メタデータ) (2023-05-25T06:07:47Z) - Weight Vector Tuning and Asymptotic Analysis of Binary Linear
Classifiers [82.5915112474988]
本稿では,スカラーによる判別器の分解をパラメータ化することで,ジェネリックバイナリ線形分類器の重みベクトルチューニングを提案する。
また,重みベクトルチューニングは,高推定雑音下での線形判別分析(LDA)の性能を著しく向上させることがわかった。
論文 参考訳(メタデータ) (2021-10-01T17:50:46Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳(メタデータ) (2020-12-17T21:10:10Z) - Asymptotics of Ridge (less) Regression under General Source Condition [26.618200633139256]
我々は,真の回帰パラメータの構造が果たす役割を考察する。
有界信号-雑音比(SNR)においても(正規化なし)が最適であることを示す。
これは、リッジ回帰を考慮した以前の研究と対照的であり、この場合、無限 SNR の極限においてのみ最適である。
論文 参考訳(メタデータ) (2020-06-11T13:00:21Z) - SUMO: Unbiased Estimation of Log Marginal Probability for Latent
Variable Models [80.22609163316459]
無限級数のランダム化トランケーションに基づく潜在変数モデルに対して、ログ境界確率の非バイアス推定器とその勾配を導入する。
推定器を用いてトレーニングしたモデルは、同じ平均計算コストに対して、標準的な重要度サンプリングに基づくアプローチよりも優れたテストセット確率を与えることを示す。
論文 参考訳(メタデータ) (2020-04-01T11:49:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。