Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: stochastic optimization algorithms

Sortuj według:

Ogranicz wyniki do:

Stochastic optimization algorithms for learning GRNN forecasting model – comparative study

Dudek G.

Przegląd Elektrotechniczny

2017

R. 93, nr 4

66--69

This paper presents stochastic optimization algorithms for learning Generalized Regression Neural Network which is used as a patternbased short-term load forecasting model. For adjustment of the model parameters four types of stochastic optimization methods are used: evolution strategies, differential evolution, particle swarm optimization and tournament searching. The learning effectiveness when using these four algorithms is compared on real power system load data.

W artykule zaprezentowano stochastyczne algorytmy uczenia sieci neuronowej regresji uogólnionej, która pełni funkcję modelu krótkoterminowego prognozowania obciążeń elektroenergetycznych. Do strojenia parametrów modelu użyto czterech metod optymalizacji stochastycznej: strategii ewolucyjnych, ewolucji różnicowej, optymalizacji rojem cząstek i przeszukiwania turniejowego. Efektywność tych metod w uczeniu sieci porównano w badaniach symulacyjnych przy użyciu rzeczywistych danych.

Lokalizacja węzłów w bezprzewodowych sieciach sensorów

Marks M., Niewiadomska-Szynkiewicz E.

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

2007

nr 8-9

266-270

Bezprzewodowe sieci sensorów tworzone przez gęsto rozmieszczone niewielkie czujniki znajdują wiele obszarów praktycznych zastosowań. W przypadku tych sieci niezwykle istotna jest umiejętność samolokalizacji. Brak informacji o położeniu czujników, z których pochodzą pomiary sprawia, że stają się one bezużyteczne. Ponadto wiedza o lokalizacji węzłów umożliwia stosowanie specjalizowanych protokołów rutingu i algorytmów oszczędzania energii. W artykule przedstawiono przegląd metod lokalizacji, począwszy od technik pomiarowych, przez algorytmy typu single-hop i mufti-hop wykorzystujących pomiary odległości. Zaproponowano i przebadano dwufazowy algorytm lokalizacji łączący elementy technik single-hop i stochastycznych metod optymalizacji.

Recently, wireless sensor networks are deployed in various environments and are used in large number of practical applications. Typical sensor network consists of a large number of nodes - densely deployed sensor devices. The information sent by a given sensor is relevant only if we know what location it refers to. Location estimation allows applying the geographic-aware routing and energy conservatjon algorithms. tt makes selforganization one of the most important requirement in sensor networks. The paper provides an overview of measurement techniques in sensor networks localization, single-hop and multi-hop algorithms based on these measurements for estimation the physical location of nodes with unknown location. A novel localization method - two phase algorithm based on stochastic optimization is described and discussed.