A Fuzzy Model with Thermodynamic Based Consequents and a Niching Swarm-Based Supervisor to Capture the Uncertainties of Damavand Power System
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this investigation, a novel fuzzy mathematical program based on thermodynamic principles is implemented to capture the uncertainties of a practical power system, known as Damavand power plant. The proposed intelligent machine takes the advantages of a niching bio-inspired learning mechanism to be reconciled to the requirements of the problem at hand. The aim of the bio-inspired fuzzy based intelligent system is to yield a model capable of recognizing different operating parameters of Damavand power system under different operating conditions. To justify the privileges of using a niching metaheuristic over gradient descend methods, the authors use the data, derived through data acquisition, together with a machine learning based approach to estimate the multi-modality associated with the training of the proposed fuzzy model. Moreover, the niching bio-inspired metaheuristic, niching particle swarm optimization (NPSO), is compared to canonical PSO (CPSO), stochastic social PSO (SSPSO), unified PSO (UPSO), comprehensive learning PSO (CLPSO), PSO with constriction factor (PSOCF) and fully informed PSO (FIPSO). Through experiments and analysis of the characteristics of the problem being optimized, it is proved that NPSO is not only able to tackle the deficiencies of the learning process, but also can effectively adjust the fuzzy approach to conduct the identification process with a high degree of robustness and accuracy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle