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 "combined algorithm" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Combined algorithm for finding conservation laws and implectic operators for the Boussinesq-Burgers nonlinear dynamical system and its finite dimensional reductions
    Autorzy:
    Kindybaliuk, A.
    Prytula, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/122896.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    nonlinear dynamical system
    conservation laws
    implectic operators
    method of undetermined coefficients
    differential algebraic algorithm
    combined algorithm
    finite dimensional reduction
    Hamiltonian system
    exact solutions
    Boussinesq-Burgers equation
    nieliniowy układ dynamiczny
    prawa zachowania
    algebraiczny algorytm różniczkowy
    system Hamiltona
    rozwiązania dokładne
    równanie Boussinesqa-Burgersa
    Opis:
    In the article the combined algorithm for finding conservation laws and implectic operators has been proposed. Using the Novikov-Bogoyavlensky method the finite dimensional reductions have been found. The structure of invariant submanifolds has been examined. Having analyzed phase portraits of Hamiltonian systems, partial periodical solutions have been found.
    Źródło:
    Journal of Applied Mathematics and Computational Mechanics; 2014, 13, 3; 85-99
    2299-9965
    Pojawia się w:
    Journal of Applied Mathematics and Computational Mechanics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Finding The Best Versions Of Schedule For Order Fulfillment At Food Companies
    Autorzy:
    Hrybkov, Serhii
    Kharkianen, Olena
    Gladka, Yuliya
    Powiązania:
    https://bibliotekanauki.pl/articles/1403610.pdf
    Data publikacji:
    2020
    Wydawca:
    Wyższa Szkoła Ekonomiczno-Humanistyczna w Bielsku-Białej
    Tematy:
    mathematical model
    planning of the orders fulfillment
    combined algorithms
    the bat algorithm
    Opis:
    The article suggests a mathematical model of the multicriteria problem of formation of production tasks and operational-calendar plans at food companies, taking into account their specific features. The research was carried out, the bat algorithm and its modifications were adjusted and tested. The choice of the bat algorithm based on the Levy flight random search strategy is substantiated. This approach provides the formation of new and alternative plans for orders fulfillment at a food company, taking into account the proposed mathematical model.
    Źródło:
    MIND Journal; 2020, 9; 1-12
    2451-4454
    Pojawia się w:
    MIND Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combined classifier based on feature space partitioning
    Autorzy:
    Woźniak, M.
    Krawczyk, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/331294.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    rozpoznawanie wzorców
    system klasyfikujący wielokrotny
    algorytm grupowania
    algorytm selekcji
    algorytm ewolucyjny
    pattern recognition
    combined classifier
    multiple classifier system
    clustering algorithm
    selection algorithm
    evolutionary algorithm
    Opis:
    This paper presents a significant modification to the AdaSS (Adaptive Splitting and Selection) algorithm, which was developed several years ago. The method is based on the simultaneous partitioning of the feature space and an assignment of a compound classifier to each of the subsets. The original version of the algorithm uses a classifier committee and a majority voting rule to arrive at a decision. The proposed modification replaces the fairly simple fusion method with a combined classifier, which makes a decision based on a weighted combination of the discriminant functions of the individual classifiers selected for the committee. The weights mentioned above are dependent not only on the classifier identifier, but also on the class number. The proposed approach is based on the results of previous works, where it was proven that such a combined classifier method could achieve significantly better results than simple voting systems. The proposed modification was evaluated through computer experiments, carried out on diverse benchmark datasets. The results are very promising in that they show that, for most of the datasets, the proposed method outperforms similar techniques based on the clustering and selection approach.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 855-866
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
    Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
    Autorzy:
    Ren, Min
    Dai, Jianyong
    Zhu, Wancheng
    Dai, Feng
    Powiązania:
    https://bibliotekanauki.pl/articles/1849620.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    iron ore demand
    combined model
    intelligent optimization algorithm
    forecasting accuracy
    ruda żelaza
    model połączony
    inteligentny algorytm optymalizacji
    dokładność prognozowania
    Opis:
    The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
    Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
    Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
    Autorzy:
    Ren, Min
    Dai, Jianyong
    Zhu, Wancheng
    Dai, Feng
    Powiązania:
    https://bibliotekanauki.pl/articles/1849613.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    iron ore demand
    combined model
    intelligent optimization algorithm
    forecasting accuracy
    ruda żelaza
    model połączony
    inteligentny algorytm optymalizacji
    dokładność prognozowania
    Opis:
    The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
    Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimizing the harmony search algorithm for combined heat and power economic dispatch in american english
    Autorzy:
    Benayed, F.Z.
    Abdelhakem-Koridak, L.
    Bouadi, A.
    Rahli, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/41184379.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Warszawska, Instytut Techniki Cieplnej
    Tematy:
    combined heat and power system
    harmony search algorithm
    optimization of power systems
    połączony system ciepłowniczy i elektroenergetyczny
    algorytm poszukiwania harmonii
    optymalizacja systemów energetycznych
    Opis:
    Achieving optimal utilization of multiple combined heat and power (CHP) systems is a complex problem that requires powerful methods for resolution. This paper presents a harmony search (HS) algorithm to address the economic dispatch issue in CHP (CHPED ). The recently developed metaheuristic HS algorithm has been successfully employed in a wide range of optimization problems. The method is demonstrated through a test case from existing literature and a new one proposed by the authors. Numerical results indicate that the proposed algorithm can identify superior solutions compared to traditional methods, and that the Harmony Search algorithm can be effectively applied to CHPED-related problems.
    Źródło:
    Journal of Power Technologies; 2023, 103, 1; 14-20
    1425-1353
    Pojawia się w:
    Journal of Power Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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