روشی برای ترکیب مدل های شبکه عصبی مصنوعی به منظور بهبود پیش بینی سطح غلظت اوزون در هوا
Publish place: 2nd Conference on Innovation in Electrical Engineering
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 830
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCNIEE02_108
تاریخ نمایه سازی: 29 بهمن 1392
Abstract:
تکنیک های شبکه عصبی برای تقریب توابع غیر خطی در خیلی از زمینه ها به طور موفقیت آمیز اعمال شده است و دقت بالاتری را در پیش بینی نسبت به مدل های دیگر داده کاوی ارائه کرده است. در این مقاله با انجام تکنیکی جدید درترکیب کردنمدلهای شبکه عصبی دقت پیش بینی شبکه را افزایش داده و سازگاری آن را حداکثر می کنیم. در این مطالعه از دیتاست داده های هواشناسی مربوط به سطح اوزون در هوا که یک مسئله غیر خطی چند متغیره هست استفاده می شود. مجموعه داده های هواشناسی،شامل 333 نمونه از غلظت اوزون اتمسفر در حوزه لس آنجلس در سال 6791 می باشد که به صورت روزانه اندازه گیری شده است .برای دیتاست بهترین متغیر ها برای پیشگویی انتخاب می شود سپس شبکه عصبی MLP (multilayer Perceptron) با سه لایه، برای هر مجموعه داده با استفاده از این متغیرها مدلهای پیش بینی را به صورت جدا و ترکیبی می سازد. درانتها با استفاده از نشان دادن تکنیکی جدید در ترکیب خروجی های مدلهای شبکه عصبی بهترین نتایج را استخراج می کنیم. نتایج نشان می دهد مدل ترکیب پیشنهاد شده، دقت پیش بینی نسبت به هر مدل شبکه عصبی را افزایش داده و عملکرد را بهبود بخشیده است
Keywords:
Authors
جواد ملک زاده
دانشجوی کارشناسی ارشد هوش مصنوعی، موسسه آموزش عالی روزبهان،
مجید آقابابایی
استادیار دانشکده مهندسی برق و الکترونیک دانشگاه علوم دریایی امام خمینی )ره(،
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :