Core Concepts
RDV IWテクニックを使用してPSOと人工ニューラルネットワークの精度を向上させる方法
Abstract
この記事は、RDV IWテクニックを使用して、PSOと人工ニューラルネットワークの精度を向上させる方法に焦点を当てています。研究では、新しいパラメータ組み合わせが最適であり、提案されたアルゴリズムが古いモデルよりも優れた収束性能と予測精度を提供することが示されています。実験結果は、提案手法が最適な位置エラーと計算時間で改善されたことを示しました。また、異なる評価基準による正確性の比較も行われ、提案手法が常に最良の値を提供していることが示されました。
Stats
シミュレーション結果では、[0.4, 0.9]のαおよびα_dumpの組み合わせにより、位置エラーが6.36%改善され、計算時間が11.75%改善されました。
提案アルゴリズムのNRMSE(0.04889174)、MAE(0.02829063)、MAPE(0.02226053)、WAPE(0.01701545)およびR2(0.00000021)の計算p値は設定された有意水準である0.05未満です。
Quotes
"Decision-making and planning have long relied heavily on AI-driven forecasts."
"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."
"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."