Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Baczyński D.

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: algorytmy optymalizacji rojem cząstek

Sortuj według:

Ogranicz wyniki do:

Estymacja rocznych mocy szczytowych transformatorów SN/nn przy użyciu algorytmów PSO

Baczyński D.

Przegląd Elektrotechniczny

2012

R. 88, nr 8

96-98

W artykule przedstawiony został sposób budowania zależności estymacyjnej przy użyciu algorytmu optymalizacji rojem cząstek (PSO). Algorytm ten został wykorzystany do dobrania parametrów formuły estymacyjnej. Wykorzystuje ona informacje o energii elektrycznej zużytej przez poszczególne grupy odbiorców. Wyniki testów zostały porównane z wynikami uzyskanymi przy użyciu algorytmów ewolucyjnych. Na tej podstawie sformułowano ogólne wnioski dotyczące wykorzystania algorytmów PSO do budowania modeli matematycznych różnych zjawisk.

Building of estimation formula using particle swarm optimization algorithm (PSO) is presented in the paper. This algorithm was used for finding of estimation formula parameters. It uses information about energy consumed by particular receiver’s groups. Test results were compared with those obtained using evolutionary algorithms. On these basis general conclusions concerning PSO usage for constructing of various phenomena models were formulated.

Zastosowanie algorytmu optymalizacji rojem cząstek w procesie uczenia sztucznej sieci neuronowej w prognozowaniu krótkoterminowym

Baczyński D.

Rynek Energii

2010

nr 4

52-56

W artykule przedstawiono dwa sposoby wykorzystania algorytmów optymalizacji rojem cząstek (Particle Swarm Optimization - PSO) do optymalizacji wartości wag połączeń sztucznej sieci neuronowej. Pierwszy sposób wykorzystania PSO polegał na samodzielnej optymalizacji wag sieci tak by zminimalizować błąd prognozy. Drugi sposób wykorzystywał wspomaganie tego procesu klasycznym algorytmem back-propagation. Celem opracowanego układu hybrydowego miało być prognozowanie krótkoterminowe zapotrzebowania na energię elektryczną spółki dystrybucyjnej. Dla takiego zadania przeprowadzono testy jakości, które zaprezentowano w pracy. Przedstawiono także wnioski dotyczące własności opracowanej metody i ścieżki jej rozwoju.

In the paper two applications of particle swarm optimization (PSO) algorithm for weights values optimization of artificial neural network are presented. First application consists in optimization of weights values only with the PSO in such a way to minimize forecast error. Second application aids this process using classical back propagation algorithm. The main purpose of this hybrid system is forecasting of electric energy load for distribution company. For this task efficiency tests were done. Conclusions concerning properties of proposed method and ways of development are presented.