Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "parameter optimization" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Using particle swarm optimization to accurately identify syntactic phrases in free text
    Autorzy:
    Tambouratzis, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/91802.pdf
    Data publikacji:
    2018
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    parsing of natural language
    machine translation
    syntactically-derived phrasing
    particle swarm optimization (PSO)
    PSO
    parameter optimization
    Adaptive PSO
    AdPSO
    Opis:
    The present article reviews the application of Particle Swarm Optimization (PSO) algorithms to optimize a phrasing model, which splits any text into linguistically-motivated phrases. In terms of its functionality, this phrasing model is equivalent to a shallow parser. The phrasing model combines attractive and repulsive forces between neighbouring words in a sentence to determine which segmentation points are required. The extrapolation of phrases in the specific application is aimed towards the automatic translation of unconstrained text from a source language to a target language via a phrase-based system, and thus the phrasing needs to be accurate and consistent to the training data. Experimental results indicate that PSO is effective in optimising the weights of the proposed parser system, using two different variants, namely sPSO and AdPSO. These variants result in statistically significant improvements over earlier phrasing results. An analysis of the experimental results leads to a proposed modification in the PSO algorithm, to prevent the swarm from stagnation, by improving the handling of the velocity component of particles. This modification results in more effective training sequences where the search for new solutions is extended in comparison to the basic PSO algorithm. As a consequence, further improvements are achieved in the accuracy of the phrasing module.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2018, 8, 1; 63-77
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Estimation of composite load model parameters using improved particle swarm optimization
    Autorzy:
    Regulski, P.
    Gonzalez-Longatt, F.
    Terzija, V.
    Powiązania:
    https://bibliotekanauki.pl/articles/410557.pdf
    Data publikacji:
    2012
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    load modeling
    parameter estimation
    particle swarm optimization (PSO)
    composite load model
    Opis:
    Power system loads are one of its crucial elements to be modeled in stability studies. However their static and dynamic characteristics are very often unknown and usually changing in time (daily, weekly, monthly and seasonal variations). Taking this into account, a measurement-based approach for determining the load characteristics seems to be the best practice, as it updates the parameters of a load model directly from the system measurements. To achieve this, a Parameter Estimation tool is required, so a common approach is to incorporate the standard Nonlinear Least Squares, or Genetic Algorithms, as a method providing more global capabilities. In this paper a new solution is proposed -an Improved Particle Swarm Optimization method. This method is an Artificial Intelligence type technique similar to Genetic Algorithms, but easier for implementation and also computationally more efficient. The paper provides results of several experiments proving that the proposed method can achieve higher accuracy and show better generalization capabilities than the Nonlinear Least Squares method. The computer simulations were carried out using a one-bus and an IEEE 39-bus test system.
    Źródło:
    Present Problems of Power System Control; 2012, 2; 41-51
    2084-2201
    Pojawia się w:
    Present Problems of Power System Control
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Early prediction of remaining discharge time for lithium-ion batteries considering parameter correlation between discharge stages
    Wczesne przewidywanie czasu pozostałego do rozładowania baterii litowo-jonowej z uwzględnieniem korelacji parametrów z różnych etapów procesu rozładowania
    Autorzy:
    Yu, Jinsong
    Yang, Jie
    Tang, Diyin
    Dai, Jing
    Powiązania:
    https://bibliotekanauki.pl/articles/1365259.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    lithium-ion battery
    parameter correlation
    particle swarm optimization (PSO)
    particle filter
    remaining discharge time prognostics
    bateria litowo-jonowa
    korelacja parametrów
    optymalizacja rojem cząstek
    filtr cząsteczkowy
    prognozowanie czasu do rozładowania
    Opis:
    In this paper, we propose a method for making early predictions of remaining discharge time (RDT) that considers information about future battery discharge process. Instead of analyzing the entire degradation process of a battery, as in the existing literature, we obtain the information about future battery condition by decomposing the discharge model into three stages, according to level of voltage loss. Correlation between model parameters at the first and last stages of discharge process allows the values of model parameters in the future to be used to predict the value of parameters at early stages of discharge. The particle swarm optimization (PSO) and particle filter (PF) algorithms are employed to update parameters when new voltage data is available. A case study demonstrates that the proposed approach predicts RDT more accurately than the benchmark PF-based prediction method, regardless of the degradation period of the battery.
    W pracy zaproponowano metodę wczesnego przewidywania czasu pozostałego do rozładowania baterii (RDT), która uwzględnia informacje na temat przyszłego procesu jej rozładowywania. Zamiast analizować cały proces degradacji baterii, jak to ma miejsce w literaturze przedmiotu, wykorzystano informacje o przyszłym stanie baterii uzyskane na drodze podziału modelu procesu rozładowania na trzy etapy, według poziomu utraty napięcia. Korelacje między parametrami modelu uzyskanymi na pierwszym i ostatnim etapie procesu rozładowania baterii umożliwiają wykorzystanie przyszłych wartości parametrów do przewidywania wartości parametrów we wczesnych etapach rozładowania. Do aktualizacji parametrów zgodnie z napływającymi nowymi danymi napięciowymi wykorzystano algorytm optymalizacji rojem cząstek (PSO) i algorytm filtra cząsteczkowego (PF). Studium przypadku pokazuje, że proponowane podejście pozwala bardziej precyzyjnie prognozować RDT niż metoda prognozowania oparta na PF, niezależnie od okresu degradacji baterii.
    Źródło:
    Eksploatacja i Niezawodność; 2019, 21, 1; 81-89
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies