Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
La selección de características puede clasificar los datos con características irrelevantes y mejorar la precisión de la clasificación de datos en la clasificación de patrones. En la actualidad, la red neuronal de retropropagación (BP) y el algoritmo de optimización de enjambre de partículas pueden combinarse bien con la selección de características. Sobre esta base, este artículo agrega factores de interferencia a la red neuronal BP y al algoritmo de optimización de enjambre de partículas para mejorar la precisión y practicidad de la selección de características. Este artículo resume los métodos básicos y requisitos para la selección de características y combina los beneficios de la optimización global con el mecanismo de retroalimentación de las redes neuronales BP en función de la retropropagación y la optimización de enjambre de partículas (BP-PSO). En primer lugar, se introduce un modelo caótico para aumentar la diversidad de partículas en el proceso inicial de optimización de enjambre de partículas, y se introduce un factor adaptativo para mejorar la capacidad de búsqueda global del algoritmo. Luego, se optimiza el número de características para reducir la cantidad de características en función de garantizar la precisión de la selección de características. Finalmente, se introducen diferentes conjuntos de datos para probar la precisión de la selección de características, y se utilizan los mecanismos de evaluación de modo de encapsulación y modo de filtrado para verificar la practicidad del modelo. Los resultados muestran que la precisión promedio de BP-PSO es un 8,65% mayor que el modelo subóptimo NDFs en diferentes conjuntos de datos, y el rendimiento de BP-PSO es de un 2,31% a un 18,62% mayor que el método de referencia en todos los conjuntos de datos. Esto demuestra que BP-PSO puede seleccionar subconjuntos de características más distintivos, lo que verifica la precisión y practicidad de este modelo.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Identificación de red neuronal y control de modo deslizante para un sistema no lineal con histéresis y un modelo similar a la holgura.
Artículo:
Imagen por resonancia magnética (IRM) basada en algoritmos de aprendizaje automático para el diagnóstico de la eficacia de la dexmedetomidina junto con la enfermería de terapia electroconvulsiva modificada en la esquizofrenia de primer episodio.
Artículo:
Enfoque de control de dirección híbrido basado en GA-BPNN para vehículos eléctricos no tripulados con motores en las ruedas.
Artículo:
Clustering de eficiencia energética para MANET: Un enfoque bioinspirado con optimización de enjambre de partículas
Artículo:
Enfoque de garantía de calidad del servicio de confianza para servicios compuestos
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
Obtención de gas combustible mediante la bioconversión del alga marina Ulva lactuca
Artículo:
Sistemas de producción y potencial energético de la energía mareomotriz
Artículo:
La necesidad de la planeación estratégica en las organizaciones industriales modernas
Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.
� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados
