論文の概要: Forecasting Solar Activity with Two Computational Intelligence Models (A Comparative Study)

• arxiv url: http://arxiv.org/abs/2005.08350v1
• Date: Sun, 17 May 2020 19:29:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 05:08:33.048299
• Title: Forecasting Solar Activity with Two Computational Intelligence Models (A Comparative Study)
• Title（参考訳）: 2つの計算知モデルによる太陽活動予測(比較研究)
• Authors: M.Parsapoor, U.Bilstrup, B.Svensson
• Abstract要約: 我々は,カオスシステムの予測ツールとして,BELFIS(Brain Emotional Learning-based Fuzzy Inference System)を提案する。 BELFISの構造は、恐怖条件付けの神経構造に基づいて設計されている。 BELFISの性能は、この目的に使用される他の計算モデルと比較される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Solar activity It is vital to accurately predict solar activity, in order to decrease the plausible damage of electronic equipment in the event of a large high-intensity solar eruption. Recently, we have proposed BELFIS (Brain Emotional Learning-based Fuzzy Inference System) as a tool for the forecasting of chaotic systems. The structure of BELFIS is designed based on the neural structure of fear conditioning. The function of BELFIS is implemented by assigning adaptive networks to the components of the BELFIS structure. This paper especially focuses on performance evaluation of BELFIS as a predictor by forecasting solar cycles 16 to 24. The performance of BELFIS is compared with other computational models used for this purpose, and in particular with adaptive neuro-fuzzy inference system (ANFIS).
• Abstract（参考訳）: 太陽活動 太陽活動の正確な予測は、高強度の太陽噴火が発生した場合、電子機器の可視的な損傷を減らすために必要不可欠である。 近年,カオスシステムの予測ツールとしてbelfis(brain emotional learning-based fuzzy inference system)が提案されている。 BELFISの構造は、恐怖条件付けの神経構造に基づいて設計されている。 BELFISの機能は、適応ネットワークをBELFIS構造の構成要素に割り当てることで実現される。 本稿では,太陽周期16～24の予測による予測器としてのBELFISの性能評価に着目する。 BELFISの性能は、この目的のために使われる他の計算モデル、特に適応型神経ファジィ推論システム(ANFIS)と比較される。

関連論文リスト

• From Dense to Sparse: Event Response for Enhanced Residential Load Forecasting [48.22398304557558]
  住宅負荷予測のためのイベント応答型知識ガイド手法(ERKG)を提案する。 ERKGは、異なる家電の電力使用状況の推定、負荷系列からのイベント関連スパース知識のマイニングを取り入れている。
  論文  参考訳（メタデータ） (2025-01-06T05:53:38Z)
• Evaluation of Bio-Inspired Models under Different Learning Settings For Energy Efficiency in Network Traffic Prediction [0.0]
  本研究では,SNN(Spike Neural Networks)とESN(Reservoir Computing through Echo State Networks)の2つのバイオインスパイアモデルの可能性について検討した。 評価は予測性能とエネルギー効率の両方に焦点を当てている。
  論文  参考訳（メタデータ） (2024-12-23T13:35:53Z)
• Hybrid Forecasting of Geopolitical Events [71.73737011120103]
  SAGEは、人間と機械が生成した予測を組み合わせたハイブリッド予測システムである。 このシステムは、確率と評価されたスキルに基づいて、人間と機械の予測の重み付けを集約する。 機械による予測にアクセスできる熟練した予測者は、過去のデータしか見ていない者よりも優れていた。
  論文  参考訳（メタデータ） (2024-12-14T22:09:45Z)
• Optimizing Sequential Recommendation Models with Scaling Laws and Approximate Entropy [104.48511402784763]
  SRモデルの性能法則は,モデルの性能とデータ品質の関係を理論的に調査し,モデル化することを目的としている。 データ品質を評価するために、従来のデータ量メトリクスと比較して、より曖昧なアプローチを示すために、近似エントロピー(ApEn)を提案する。
  論文  参考訳（メタデータ） (2024-11-30T10:56:30Z)
• Large Scale Evaluation of Deep Learning-based Explainable Solar Flare Forecasting Models with Attribution-based Proximity Analysis [0.0]
  太陽フレア予測のための深層学習モデルの解釈可能性を評価するための新しい枠組みを提案する。 本研究は、24時間窓内のフレアを予測するために、全ディスクラインオブライト(LoS)マグネティックグラム画像に基づいてトレーニングされた2つのモデルを比較した。 以上の結果から,モデルの予測は活動領域の特徴と異なる程度に一致していることが示唆された。
  論文  参考訳（メタデータ） (2024-11-27T05:43:34Z)
• Advanced simulation-based predictive modelling for solar irradiance sensor farms [0.5292801941204784]
  この研究は、CAIDE(Cloud-based Analysis and Integration for Data efficiency)と呼ばれる新しいフレームワークを紹介している。 CAIDEは、太陽放射センサファームのリアルタイム監視、管理、予測のために設計されている。 この枠組みは、太陽光発電の展開と再生可能エネルギー源の将来に重要な意味を持っている。
  論文  参考訳（メタデータ） (2024-04-05T15:44:51Z)
• A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
  本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。 しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-07-01T15:18:00Z)
• Prediction-Oriented Bayesian Active Learning [51.426960808684655]
  予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。 EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
  論文  参考訳（メタデータ） (2023-04-17T10:59:57Z)
• Deep learning for spatio-temporal forecasting -- application to solar energy [12.5097469793837]
  この論文は、深い学習を伴う原則付き時間予測の主題に取り組む。 エレクトロニティ・ド・フランス(EDF)のモチベーション応用は、魚眼画像による短期的な太陽エネルギー予測である。
  論文  参考訳（メタデータ） (2022-05-07T06:42:48Z)
• 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)
• Short term solar energy prediction by machine learning algorithms [0.47791962198275073]
  機械学習技術の強みを利用した日次太陽エネルギー予測について報告する。 線形, 尾根, ラッソ, 決定木, ランダム森林, 人工ニューラルネットワークなどのベースライン回帰器の予測モデルを実装した。 改良された精度は,2つのグリッドサイズでランダム森林と尾根回帰器によって達成されている。
  論文  参考訳（メタデータ） (2020-10-25T17:56:03Z)

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。