論文の概要: Improved Forecasting Using a PSO-RDV Framework to Enhance Artificial Neural Network

• arxiv url: http://arxiv.org/abs/2402.18576v1
• Date: Wed, 10 Jan 2024 01:15:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-25 08:46:38.666742
• Title: Improved Forecasting Using a PSO-RDV Framework to Enhance Artificial Neural Network
• Title（参考訳）: ニューラルネットワークを実現するPSO-RDVフレームワークによる予測改善
• Authors: Sales Aribe Jr,
• Abstract要約: 本研究では,ランダム遅延速度慣性重み法による予測法の改良を行った。 ゴルフボールの動きにインスパイアされたIW技術は、溶液点に近づくと粒子の速度をパラメータ的に下降する構造に変化させた。 RDV IWを用いた改良型ANN-PSOの適用により、HIV/AIDS予測モデルが2モデルと比較して大幅に改善された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Decision making and planning have long relied heavily on AI-driven forecasts. The government and the general public are working to minimize the risks while maximizing benefits in the face of potential future public health uncertainties. This study used an improved method of forecasting utilizing the Random Descending Velocity Inertia Weight (RDV IW) technique to improve the convergence of Particle Swarm Optimization (PSO) and the accuracy of Artificial Neural Network (ANN). The IW technique, inspired by the motions of a golf ball, modified the particles' velocities as they approached the solution point to a parabolically descending structure. Simulation results revealed that the proposed forecasting model with [0.4, 0.9] combination of alpha and alpha_dump exhibits a 6.36% improvement in position error and 11.75% improvement in computational time compared to the old model, thus, improving its convergence. It reached the optimum level at minimal steps with 12.50% improvement as against the old model since it provides better velocity averages when speed stabilization occurs at the 24th iteration. Meanwhile, the computed p-values for NRMSE (0.04889174), MAE (0.02829063), MAPE (0.02226053), WAPE (0.01701545), and R2 (0.00000021) of the proposed algorithm are less than the set 0.05 level of significance, thus the values indicated a significant result in terms of accuracy performance. Applying the modified ANN-PSO using RDV IW technique greatly improved the new HIV/AIDS forecasting model compared with the two models.
• Abstract（参考訳）: 意思決定と計画は、長い間AI駆動の予測に大きく依存してきた。 政府と一般市民はリスクを最小限に抑えつつ、将来の公衆衛生の不確実性に直面した利益を最大化しようとしている。 本研究では、粒子群最適化(PSO)の収束とニューラルネットワーク(ANN)の精度を向上させるために、RDV IW(Random Descending Velocity Inertia Weight)技術を用いた予測法の改良を行った。 ゴルフボールの動きにインスパイアされたIW技術は、溶液点に近づくと粒子の速度をパラメータ的に下降する構造に変化させた。 シミュレーションの結果,αとα_dumpの[0.4, 0.9]組み合わせによる予測モデルでは,従来のモデルに比べて6.36%,計算時間11.75%が向上し,収束性が改善された。 24回目で速度安定化が発生した場合の速度平均が向上するため、旧モデルに比べて12.50%改善され、最小のステップで最適レベルに達した。 一方, NRMSE (0.04889174), MAE (0.02829063), MAPE (0.02226053), WAPE (0.01701545), R2 (0.00000021) の計算したp-値は0.05レベル未満であり, 精度性能の点で有意な結果を示した。 RDV IWを用いた改良型ANN-PSOの適用により、HIV/AIDS予測モデルが2モデルと比較して大幅に改善された。

関連論文リスト

• MARS: Unleashing the Power of Variance Reduction for Training Large Models [56.47014540413659]
  Adam、Adam、およびそれらの変種のような大規模な勾配アルゴリズムは、この種のトレーニングの開発の中心となっている。 本稿では,事前条件付き勾配最適化手法と,スケールドモーメント手法による分散低減を両立させる枠組みを提案する。
  論文  参考訳（メタデータ） (2024-11-15T18:57:39Z)
• Robust Fine-tuning of Zero-shot Models via Variance Reduction [56.360865951192324]
  微調整ゼロショットモデルの場合、このデシドラトゥムは細調整モデルで、分布内(ID)と分布外(OOD)の両方で優れる。 トレードオフを伴わずに最適なIDとOODの精度を同時に達成できるサンプルワイズアンサンブル手法を提案する。
  論文  参考訳（メタデータ） (2024-11-11T13:13:39Z)
• Don't You (Project Around Discs)? Neural Network Surrogate and Projected Gradient Descent for Calibrating an Intervertebral Disc Finite Element Model [9.456474817418703]
  本研究では,ニューラルネットワーク(NN)サロゲートを用いたL4-L5 IVD FEモデルに対して,新しい,効率的かつ効果的なキャリブレーション手法を提案する。 NNサロゲートはシミュレーションの結果を高精度に予測し、他の機械学習モデルより優れている。 従来のキャリブレーションでは1サンプルにつき最大8日, キャリブレーション時間を3秒未満に短縮する。
  論文  参考訳（メタデータ） (2024-08-12T11:39:21Z)
• Comparative Evaluation of Metaheuristic Algorithms for Hyperparameter Selection in Short-Term Weather Forecasting [0.0]
  本稿では,遺伝的アルゴリズム (GA), 微分進化 (DE), 粒子群最適化 (PSO) のメタヒューリスティックアルゴリズムの適用について検討する。 平均二乗誤差(MSE)や平均絶対パーセンテージ誤差(MAPE)といった指標に基づいて天気予報の性能を評価する。
  論文  参考訳（メタデータ） (2023-09-05T22:13:35Z)
• An Improved Lightweight YOLOv5 Model Based on Attention Mechanism for Face Mask Detection [3.3398969693904723]
  YOLOv5に基づく軽量マスク検出器を提案する。 平均精度は95.2%で、ベースラインよりも4.4%高く、既存のモデルよりも正確である。
  論文  参考訳（メタデータ） (2022-03-30T17:41:21Z)
• When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
  既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。 不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。 本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:31:47Z)
• Non-Parametric Adaptive Network Pruning [125.4414216272874]
  アルゴリズム設計を簡略化するノンパラメトリックモデリングを導入。 顔認識コミュニティに触発されて,メッセージパッシングアルゴリズムを用いて,適応的な例示数を求める。 EPrunerは「重要」フィルタを決定する際にトレーニングデータへの依存を壊します。
  論文  参考訳（メタデータ） (2021-01-20T06:18:38Z)
• Adaptive Gradient Method with Resilience and Momentum [120.83046824742455]
  レジリエンスとモメンタム(AdaRem)を用いた適応勾配法を提案する。 AdaRemは、過去の1つのパラメータの変化方向が現在の勾配の方向と一致しているかどうかに応じてパラメータワイズ学習率を調整する。 本手法は,学習速度とテスト誤差の観点から,従来の適応学習率に基づくアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-10-21T14:49:00Z)
• Modeling and Uncertainty Analysis of Groundwater Level Using Six Evolutionary Optimization Algorithms Hybridized with ANFIS, SVM, and ANN [0.0]
  6つのメタヒューリスティックスキームは、人工知能ニューラルネットワーク(ANN)、適応型神経ファジィインタフェースシステム(ANFIS)、サポートベクターマシン(SVM)とハイブリッド化されている。 最適化アルゴリズムを用いたハイブリッドモデルの性能は、従来のANN、ANFIS、SVMモデルよりはるかに優れていた。
  論文  参考訳（メタデータ） (2020-06-28T11:06:53Z)
• Improved Adversarial Training via Learned Optimizer [101.38877975769198]
  対戦型トレーニングモデルの堅牢性を改善するための枠組みを提案する。 共学習のパラメータモデルの重み付けにより、提案するフレームワークは、更新方向に対するロバスト性とステップの適応性を一貫して改善する。
  論文  参考訳（メタデータ） (2020-04-25T20:15:53Z)

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。