論文の概要: Performance Analysis of Combine Harvester using Hybrid Model of
Artificial Neural Networks Particle Swarm Optimization
- arxiv url: http://arxiv.org/abs/2002.11041v1
- Date: Sat, 22 Feb 2020 22:38:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-29 19:10:26.671736
- Title: Performance Analysis of Combine Harvester using Hybrid Model of
Artificial Neural Networks Particle Swarm Optimization
- Title(参考訳): ニューラルネットワークによる粒子群最適化のハイブリッドモデルによるコンバインハーベスターの性能解析
- Authors: Laszlo Nadai, Felde Imre, Sina Ardabili, Tarahom Mesri Gundoshmian,
Pinter Gergo, Amir Mosavi
- Abstract要約: 本稿では、粒子群最適化(ANN-PSO)と統合されたニューラルネットワークに基づく新しいハイブリッド機械学習モデルを提案する。
その結果,コンバイン収穫機の性能向上に期待できる結果が得られた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Novel applications of artificial intelligence for tuning the parameters of
industrial machines for optimal performance are emerging at a fast pace. Tuning
the combine harvesters and improving the machine performance can dramatically
minimize the wastes during harvesting, and it is also beneficial to machine
maintenance. Literature includes several soft computing, machine learning and
optimization methods that had been used to model the function of harvesters of
various crops. Due to the complexity of the problem, machine learning methods
had been recently proposed to predict the optimal performance with promising
results. In this paper, through proposing a novel hybrid machine learning model
based on artificial neural networks integrated with particle swarm optimization
(ANN-PSO), the performance analysis of a common combine harvester is presented.
The hybridization of machine learning methods with soft computing techniques
has recently shown promising results to improve the performance of the combine
harvesters. This research aims at improving the results further by providing
more stable models with higher accuracy.
- Abstract(参考訳): 最適な性能のために産業機械のパラメータをチューニングするための人工知能の新たな応用が急速に進んでいる。
コンバインの調整と機械性能の向上は、収穫中の廃棄物を劇的に削減し、機械のメンテナンスにも有用である。
文献には、様々な作物の収穫者の機能をモデル化するために使われていたいくつかのソフトコンピューティング、機械学習、最適化方法が含まれている。
問題の複雑さのため、期待できる結果とともに最適な性能を予測する機械学習手法が最近提案されている。
本稿では、粒子群最適化(ANN-PSO)と統合されたニューラルネットワークに基づく新しいハイブリッド機械学習モデルを提案することにより、共通コンバインダの性能解析を行う。
近年,ソフトコンピューティング技術による機械学習手法のハイブリッド化により,コンバイン収穫機の性能向上が期待されている。
本研究は,より高精度でより安定したモデルを提供することにより,結果をさらに改善することを目的としている。
関連論文リスト
- Edge-Efficient Deep Learning Models for Automatic Modulation Classification: A Performance Analysis [0.7428236410246183]
無線信号の自動変調分類(AMC)のための最適化畳み込みニューラルネットワーク(CNN)について検討した。
本稿では,これらの手法を組み合わせて最適化モデルを提案する。
実験結果から,提案手法と組み合わせ最適化手法は,複雑度が著しく低いモデルの開発に極めて有効であることが示唆された。
論文 参考訳(メタデータ) (2024-04-11T06:08:23Z) - Machine Learning Optimized Approach for Parameter Selection in MESHFREE Simulations [0.0]
従来のメッシュベースのアプローチに代わる魅力的な代替手段として、メッシュフリーシミュレーション手法が登場している。
機械学習(ML)とFraunhoferのMESHFREEソフトウェアを組み合わせた研究の概要について概説する。
本稿では,MESHFREEシミュレーションデータに能動的学習,回帰木を用いたML最適化手法を提案する。
論文 参考訳(メタデータ) (2024-03-20T15:29:59Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳(メタデータ) (2024-01-11T15:02:15Z) - Deep learning based Meta-modeling for Multi-objective Technology
Optimization of Electrical Machines [0.0]
本稿では,2つの異なるマシン技術を同時に最適化するための変分自動エンコーダの応用について述べる。
トレーニング後、私たちは、グローバルなキーパフォーマンス指標を予測するために、ディープニューラルネットワークとデコーダをメタモデルとして使用します。
論文 参考訳(メタデータ) (2023-06-15T12:33:39Z) - Large Scale Mask Optimization Via Convolutional Fourier Neural Operator
and Litho-Guided Self Training [54.16367467777526]
マスクタスクを効率的に学習できる畳み込みニューラルネットワーク(CFCF)を提案する。
機械学習ベースのフレームワークが初めて、最先端の数値マスクデータセットを上回った。
論文 参考訳(メタデータ) (2022-07-08T16:39:31Z) - Gradient-Based Trajectory Optimization With Learned Dynamics [80.41791191022139]
データからシステムの微分可能なダイナミクスモデルを学習するために、機械学習技術を使用します。
ニューラルネットワークは、大規模な時間的地平線に対して、非常に非線形な振る舞いを正確にモデル化できることが示される。
ハードウェア実験において、学習したモデルがSpotとRadio- controlled (RC)の両方の複雑な力学を表現できることを実証した。
論文 参考訳(メタデータ) (2022-04-09T22:07:34Z) - Surrogate Assisted Evolutionary Multi-objective Optimisation applied to
a Pressure Swing Adsorption system [0.0]
本稿では, 化学プラント設計と運転の最適化に関する最近の研究を拡張した。
そこで本研究では,Surrogate Assisted NSGA-Romannum2 (SA-NSGA) が提案された。
遺伝的アルゴリズムフレームワークと機械学習サロゲートモデルを組み合わせることで,長期的シミュレーションモデルの代用として,計算効率が大幅に向上することがわかった。
論文 参考訳(メタデータ) (2022-03-28T10:00:29Z) - To tune or not to tune? An Approach for Recommending Important
Hyperparameters [2.121963121603413]
機械学習モデルの性能とハイパーパラメータの関係を構築して、トレンドを発見し、洞察を得ることを検討する。
この結果から,ユーザが時間を要するチューニング戦略を実行する価値があるかどうかを判断することが可能になる。
論文 参考訳(メタデータ) (2021-08-30T08:54:58Z) - Bayesian Optimization for Selecting Efficient Machine Learning Models [53.202224677485525]
本稿では,予測効率とトレーニング効率の両面において,モデルを協調最適化するための統一ベイズ最適化フレームワークを提案する。
レコメンデーションタスクのためのモデル選択の実験は、この方法で選択されたモデルがモデルのトレーニング効率を大幅に改善することを示している。
論文 参考訳(メタデータ) (2020-08-02T02:56:30Z) - Automatically Learning Compact Quality-aware Surrogates for Optimization
Problems [55.94450542785096]
未知パラメータで最適化問題を解くには、未知パラメータの値を予測し、これらの値を用いて問題を解くための予測モデルを学ぶ必要がある。
最近の研究によると、複雑なトレーニングモデルパイプラインのレイヤーとして最適化の問題を含めると、観測されていない意思決定の繰り返しを予測することになる。
我々は,大規模最適化問題の低次元サロゲートモデルを学習することにより,解の質を向上させることができることを示す。
論文 参考訳(メタデータ) (2020-06-18T19:11:54Z) - Predictive modeling approaches in laser-based material processing [59.04160452043105]
本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。
その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。
結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
論文 参考訳(メタデータ) (2020-06-13T17:28:52Z)
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。