論文の概要: Comparative Analysis of Single and Hybrid Neuro-Fuzzy-Based Models for
an Industrial Heating Ventilation and Air Conditioning Control System
- arxiv url: http://arxiv.org/abs/2002.11042v1
- Date: Sat, 22 Feb 2020 22:32:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-29 19:45:24.666324
- Title: Comparative Analysis of Single and Hybrid Neuro-Fuzzy-Based Models for
an Industrial Heating Ventilation and Air Conditioning Control System
- Title（参考訳）: 産業用暖房換気・空調制御システムのための単一・ハイブリッド型ニューロファジィモデルの比較解析
- Authors: Sina Ardabili, Bertalan Beszedes, Laszlo Nadai, Karoly Szell, Amir
Mosavi, Felde Imre
- Abstract要約: 本研究では,適応型ニューロファジィ推論系-粒子群最適化(ANFIS-PSO)と適応型ニューロファジィ推論系-GA(ANFIS-GA)のハイブリッドモデルを提案する。
RMSEが0.0065、MAEが0.0028、R2が0.9999であるANFIS-PSOモデルは、ANFIS-GAと単一のANFISモデルより優れている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hybridization of machine learning methods with soft computing techniques is
an essential approach to improve the performance of the prediction models.
Hybrid machine learning models, particularly, have gained popularity in the
advancement of the high-performance control systems. Higher accuracy and better
performance for prediction models of exergy destruction and energy consumption
used in the control circuit of heating, ventilation, and air conditioning
(HVAC) systems can be highly economical in the industrial scale to save energy.
This research proposes two hybrid models of adaptive neuro-fuzzy inference
system-particle swarm optimization (ANFIS-PSO), and adaptive neuro-fuzzy
inference system-genetic algorithm (ANFIS-GA) for HVAC. The results are further
compared with the single ANFIS model. The ANFIS-PSO model with the RMSE of
0.0065, MAE of 0.0028, and R2 equal to 0.9999, with a minimum deviation of
0.0691 (KJ/s), outperforms the ANFIS-GA and single ANFIS models.
- Abstract（参考訳）: 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ダイゼーションは、予測モデルの性能を改善するための重要なアプローチである。
特にハイブリッド機械学習モデルは、高性能な制御システムの進歩で人気を集めている。
暖房・換気・空調(HVAC)システムの制御回路で使用されるエクセルギー破壊とエネルギー消費の予測モデルに対する高い精度と優れた性能は、エネルギーを節約するために産業規模で非常に経済的である。
本研究では,適応型ニューロファジー推論システム(anfis-pso)と適応型ニューロファジー推論システムジェネティックアルゴリズム(anfis-ga)のハイブリッドモデルを提案する。
結果は単一のANFISモデルと比較される。
ANFIS-PSOモデルはRMSEが0.0065、MAEが0.0028、R2が0.9999であり、最小偏差は0.0691(KJ/s)であり、ANFIS-GAと単一ANFISモデルより優れている。
関連論文リスト
- Improving Low-Fidelity Models of Li-ion Batteries via Hybrid Sparse Identification of Nonlinear Dynamics [1.5728609542259502]
本稿では,低次リチウムイオン電池モデルの忠実度向上のためのデータインスパイアされたアプローチを提案する。
提案手法は, 遺伝的アルゴリズムとGA-stridgeとを組み合わせて, 低忠実度モデル (LFM) と高忠実度モデル (HFM) の差分を識別・補償する。
物理に基づく手法とデータ駆動方式を組み合わせたハイブリッドモデルは、ベースラインFMと比較して電圧予測誤差を著しく低減できることを示すために、異なる駆動サイクルで試験される。
論文 参考訳（メタデータ） (2024-11-20T00:00:11Z) - Physics-Informed Machine Learning Towards A Real-Time Spacecraft Thermal Simulator [15.313871831214902]
ここで提示されるPIMLモデルまたはハイブリッドモデルは、軌道上の熱負荷条件によって与えられるノイズの低減を予測するニューラルネットワークで構成されている。
我々は,ハイブリッドモデルの計算性能と精度を,データ駆動型ニューラルネットモデルと,地球周回小型宇宙船の高忠実度有限差分モデルと比較した。
PIMLベースのアクティブノダライゼーションアプローチは、ニューラルネットワークモデルや粗いメッシュモデルよりもはるかに優れた一般化を提供すると同時に、高忠実度モデルと比較して計算コストを最大1.7倍削減する。
論文 参考訳（メタデータ） (2024-07-08T16:38:52Z) - Discrete Diffusion Modeling by Estimating the Ratios of the Data Distribution [67.9215891673174]
離散空間に対するスコアマッチングを自然に拡張する新たな損失として,スコアエントロピーを提案する。
標準言語モデリングタスク上で,Score Entropy Discrete Diffusionモデルをテストする。
論文 参考訳（メタデータ） (2023-10-25T17:59:12Z) - EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient
Arrhythmia Classification [79.7946379395238]
心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。
本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
論文 参考訳（メタデータ） (2023-10-24T02:37:49Z) - Forecasting Pressure Of Ventilator Using A Hybrid Deep Learning Model
Built With Bi-LSTM and Bi-GRU To Simulate Ventilation [0.0]
患者に対して必要換気圧を予測するためのハイブリッド深層学習アプローチを提案する。
このシステムはBi-LSTMとBi-GRUネットワークで構成されている。
モデルはテストデータに対して良好に動作し、非常に少ない損失を生み出しました。
論文 参考訳（メタデータ） (2023-02-19T23:12:45Z) - Your Autoregressive Generative Model Can be Better If You Treat It as an
Energy-Based One [83.5162421521224]
本稿では,自己回帰生成モデルの学習のための独自のE-ARM法を提案する。
E-ARMは、よく設計されたエネルギーベースの学習目標を活用する。
我々は、E-ARMを効率的に訓練でき、露光バイアス問題を緩和できることを示した。
論文 参考訳（メタデータ） (2022-06-26T10:58:41Z) - Enhanced physics-constrained deep neural networks for modeling vanadium
redox flow battery [62.997667081978825]
本稿では,物理制約付き深部ニューラルネットワーク(PCDNN)による高精度電圧予測手法を提案する。
ePCDNNは、電圧放電曲線のテール領域を含む電荷放電サイクルを通して、電圧応答を正確にキャプチャすることができる。
論文 参考訳（メタデータ） (2022-03-03T19:56:24Z) - Toward Development of Machine Learned Techniques for Production of
Compact Kinetic Models [0.0]
化学動力学モデルは燃焼装置の開発と最適化に欠かせない要素である。
本稿では、過度に再現され、最適化された化学動力学モデルを生成するための、新しい自動計算強化手法を提案する。
論文 参考訳（メタデータ） (2022-02-16T12:31:24Z) - MoEfication: Conditional Computation of Transformer Models for Efficient
Inference [66.56994436947441]
トランスフォーマーベースの事前学習言語モデルは、パラメータ容量が大きいため、ほとんどのNLPタスクにおいて優れた性能を実現することができるが、計算コストも大きい。
スパースアクティベーション現象に基づく条件計算により,大規模モデル推論を高速化する。
そこで本研究では,モデルサイズが等しいMoE(Mix-of-experts)バージョン,すなわちMoEficationに変換することを提案する。
論文 参考訳（メタデータ） (2021-10-05T02:14:38Z) - Hybrid modeling of the human cardiovascular system using NeuralFMUs [0.0]
ハイブリッドなモデリングプロセスは、より快適で、システム知識を必要とせず、第一原理に基づくモデリングに比べてエラーの少ないことが示される。
結果として得られたハイブリッドモデルは、純粋な第一原理のホワイトボックスモデルに比べて計算性能が向上した。
考慮されたユースケースは、医療領域内外における他のモデリングおよびシミュレーションアプリケーションの例として機能する。
論文 参考訳（メタデータ） (2021-09-10T13:48:43Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z)
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。