論文の概要: Clustering Techniques Selection for a Hybrid Regression Model: A Case Study Based on a Solar Thermal System

• arxiv url: http://arxiv.org/abs/2402.06921v1
• Date: Sat, 10 Feb 2024 10:10:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-13 18:45:39.266262
• Title: Clustering Techniques Selection for a Hybrid Regression Model: A Case Study Based on a Solar Thermal System
• Title（参考訳）: ハイブリッド回帰モデルのためのクラスタリング手法の選択:太陽熱システムに基づくケーススタディ
• Authors: Mar\'ia Teresa Garc\'ia-Ord\'as, H\'ector Alaiz-Moret\'on, Jos\'e-Luis Casteleiro-Roca, Esteban Jove, Jos\'e Alberto Ben\'itez-Andrades, Isa\'ias Garc\'ia-Rodr\'iguez, H\'ector Quinti\'an and Jos\'e Luis Calvo-Rolle
• Abstract要約: 本研究は,教師付き学習タスクにおいて,強力なハイブリッドモデルを実現することを目的とした,4つのクラスタリング手法のパフォーマンス比較に対処する。 著者らは、いくつかのクラスター法を適用し、続いてシステムの出力温度を予測する回帰手法を適用する方法を研究するために、熱発電システムを選んだ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This work addresses the performance comparison between four clustering techniques with the objective of achieving strong hybrid models in supervised learning tasks. A real dataset from a bio-climatic house named Sotavento placed on experimental wind farm and located in Xermade (Lugo) in Galicia (Spain) has been collected. Authors have chosen the thermal solar generation system in order to study how works applying several cluster methods followed by a regression technique to predict the output temperature of the system. With the objective of defining the quality of each clustering method two possible solutions have been implemented. The first one is based on three unsupervised learning metrics (Silhouette, Calinski-Harabasz and Davies-Bouldin) while the second one, employs the most common error measurements for a regression algorithm such as Multi Layer Perceptron.
• Abstract（参考訳）: 本稿では,教師付き学習タスクにおける強力なハイブリッドモデルの実現を目的として,4つのクラスタリング手法の性能比較を行う。 実験ウィンドファームに置かれ、ガリシアのxermade (lugo) にあるソタヴェント(sotavento)という生物気候の家の実際のデータセットが収集された。 著者らは、いくつかのクラスター法の適用方法と、システムの出力温度を予測する回帰手法を研究するために、太陽熱発電システムを選んだ。 各クラスタリング手法の品質を定義する目的で、2つの可能なソリューションが実装されている。 1つは教師なしの3つの学習指標(Silhouette、Carinski-Harabasz、Davies-Bouldin)に基づいており、もう1つはMulti Layer Perceptronのような回帰アルゴリズムに最も一般的な誤差測定を使用している。

関連論文リスト

• Enhancing Multivariate Time Series-based Solar Flare Prediction with Multifaceted Preprocessing and Contrastive Learning [0.9374652839580181]
  正確な太陽フレア予測は、宇宙飛行士、宇宙機器、衛星通信システムに強い太陽フレアがもたらす重大なリスクのために重要である。 本研究は、先進的なデータ前処理と分類手法を利用して、太陽フレア予測を強化する。
  論文  参考訳（メタデータ） (2024-09-21T05:00:34Z)
• GCC: Generative Calibration Clustering [55.44944397168619]
  本稿では,特徴学習と拡張をクラスタリングに組み込む新しいGCC法を提案する。 まず,実検体と実検体間の固有関係を識別する識別的特徴アライメント機構を開発する。 第二に、より信頼性の高いクラスタ割り当てを生成するための自己教師付きメトリック学習を設計する。
  論文  参考訳（メタデータ） (2024-04-14T01:51:11Z)
• Dual Student Networks for Data-Free Model Stealing [79.67498803845059]
  主な課題は、パラメータにアクセスせずにターゲットモデルの勾配を推定し、多様なトレーニングサンプルを生成することである。 そこで本研究では,2人の学生が左右対称に学習し,学生が反対するサンプルを生成するための基準を提案する。 我々の新しい最適化フレームワークは、目標モデルのより正確な勾配推定と、ベンチマーク分類データセットの精度向上を提供する。
  論文  参考訳（メタデータ） (2023-09-18T18:11:31Z)
• Clustering Method for Time-Series Images Using Quantum-Inspired Computing Technology [0.0]
  時系列クラスタリングは、クラスタに関する事前の知識がなければ、時系列データの強力なデータマイニング技術として機能する。 本研究では,アニーリングマシンを利用した新しい時系列クラスタリング手法を提案する。
  論文  参考訳（メタデータ） (2023-05-26T05:58:14Z)
• Time series clustering based on prediction accuracy of global forecasting models [0.0]
  本稿では,時系列のモデルに基づくクラスタリング手法を提案する。 文献で提案されているほとんどの手法とは異なり、この手法はクラスタリング分割を構成する主要な要素として予測精度を考慮している。 シミュレーション実験により,クラスタリングの有効性と予測精度の両面で,本手法はいくつかの代替手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-04-30T13:12:19Z)
• Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
  我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。 また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
  論文  参考訳（メタデータ） (2022-11-03T08:18:27Z)
• Time Series Clustering with an EM algorithm for Mixtures of Linear Gaussian State Space Models [0.0]
  線形ガウス状態空間モデルを混合したモデルに基づく時系列クラスタリング手法を提案する。 提案手法では,混合モデルの予測最大化アルゴリズムを用いてモデルパラメータを推定する。 シミュレーションデータセットの実験は、クラスタリング、パラメータ推定、モデル選択における手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-08-25T07:41:23Z)
• Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
  既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。 我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
  論文  参考訳（メタデータ） (2020-10-22T15:58:35Z)
• Conjoined Dirichlet Process [63.89763375457853]
  我々はディリクレ過程に基づく新しい非パラメトリック確率的ビクラスタリング法を開発し、列と列の双方に強い共起を持つビクラスタを同定する。 本手法はテキストマイニングと遺伝子発現解析の2つの異なる応用に適用し,既存の手法に比べて多くの設定でビクラスタ抽出を改善することを示す。
  論文  参考訳（メタデータ） (2020-02-08T19:41:23Z)
• Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
  本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。 近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。 準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
  論文  参考訳（メタデータ） (2020-01-06T23:33:31Z)

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。