Neo-Fuzzy Integrated Adaptive Decayed Brain Emotional Learning Network for Online Time Series Prediction
Notice bibliographique
Résumé
Adaptive decayed brain emotional learning (ADBEL) network is recently proposed for the online time series forecasting problems. As opposed to other popular learning networks, such as multilayer perceptron, adaptive neuro-fuzzy inference system, and locally linear neuro-fuzzy model, ADBEL network offers lower computational complexity and fast learning, which make it an ideal candidate for the time series prediction in an online fashion. In fact, these prominent features are inherited from the mechanism employed by the limbic system of the mammalian brain in processing the external stimuli, which also forms the basis of the ADBEL network. This paper aims at further enhancing the forecasting performance of the ADBEL network through its integration with a neo-fuzzy network. The selection of the neo-fuzzy network is made as it offers features required for online prediction in real time environments including simplicity, transparency, accuracy, and lower computational complexity. Furthermore, this integration is only considered in the orbitofrontal cortex section of the ADBEL network and only three membership functions are employed to realize the neo-fuzzy neuron. Thus, the resultant neo-fuzzy integrated ADBEL (NF-ADBEL) network is still simple and can be deployed in online prediction problems. Few chaotic time series namely the Mackey glass, Lorenz, Rossler, and the Disturbance storm time index as well as the Narendra dynamic plant identification problem are used to evaluate the performance of the proposed NF-ADBEL network in terms of the root mean squared error and correlation coefficient criterions using MATLAB®programming environment.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».