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
- A Multi-Grained Symmetric Differential Equation Model for Learning
Protein-Ligand Binding Dynamics [74.93549765488103]
薬物発見において、分子動力学シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。
我々は,数値MDを容易にし,タンパク質-リガンド結合の正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。
我々は、標準的な数値MDシミュレーションよりも2000$times$のスピードアップを達成し、安定性の指標の下では、他のMLアプローチよりも最大80%高い効率で、NeuralMDの有効性と有効性を示す。
論文 参考訳(メタデータ) (2024-01-26T09:35:17Z) - 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) - End-to-End Reinforcement Learning of Koopman Models for Economic
Nonlinear Model Predictive Control [50.0791489606211]
非線形モデル予測制御((e)NMPC)は、すべての状態空間領域において十分正確なシステムモデルを必要とする。
メカニスティックモデルのためのデータ駆動サロゲートモデルは、(e)NMPCの計算負担を軽減するために使用できる。
In this method for end-to-end reinforcement learning of dynamic surrogate model for optimal performance in (e)NMPC applications。
論文 参考訳(メタデータ) (2023-08-03T10:21:53Z) - 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) - Energy-Environment evaluation and Forecast of a Novel Regenerative
turboshaft engine combine cycle with DNN application [0.0]
ターボシャフトエンジンは, エネルギー環境解析に基づいて, インレット冷却と再生冷却を加えて評価した。
深部ニューラルネットワーク(DNN)に基づく冷却空冷システムを備えた再生ターボシャフトエンジンサイクルのエネルギー環境性能を予測するモデルを開発した。
また,NOおよびNO2を含む窒化物 (NOx) の熱効率と物質流量を予測するモデルを提案した。
論文 参考訳(メタデータ) (2022-09-24T14:38:25Z) - 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) - KNODE-MPC: A Knowledge-based Data-driven Predictive Control Framework
for Aerial Robots [5.897728689802829]
我々は、知識に基づくニューラル常微分方程式(KNODE)というディープラーニングツールを用いて、第一原理から得られたモデルを拡張する。
得られたハイブリッドモデルは、名目上の第一原理モデルと、シミュレーションまたは実世界の実験データから学習したニューラルネットワークの両方を含む。
閉ループ性能を改善するため、ハイブリッドモデルはKNODE-MPCとして知られる新しいMPCフレームワークに統合される。
論文 参考訳(メタデータ) (2021-09-10T12:09:18Z)
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。