PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 5

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Noise identification for ICA ensemble predictors
Szupiluk R., Ząbkowski T.
Przegląd Elektrotechniczny
|
2013
|
R. 89, nr 6
307--309
EN
In this paper we present a novel method for integration the prediction results by finding common latent components via independent component analysis. The latent components can have constructive or destructive influence on particular prediction results. After the elimination of the deconstructive signals we rebuilt the improved predictions. We check the method validity on the electricity load prediction task.
PL
W artykule przedstawiono nową metodę pozwalającą na łączenie wyników predykcji poprzez poszukiwanie ukrytych wspólnych składowych przy zastosowaniu procedury analizy składowych niezależnych. Składowe ukryte mogą mieć pozytywny lub negatywny wpływ na wyniki predykcji. Po wyeliminowaniu składowych niekorzystnych poprawione zostały wyniki predykcji. Poprawność metody sprawdzono na przykładzie predykcji zapotrzebowania na energię elektryczną.
2
Content available remote Noise Detection for Latent Component Classification in Ensemble Method
Szupiluk R.
Przegląd Elektrotechniczny
|
2010
|
R. 86, nr 1
144-146
EN
We present a novel concept of the random noise detection applied in model integration process. The ensemble method is based on decomposition of the multivariate variable containing model results. The decomposition originating from Blind Signal Separation gives us the latent components with destructive or constructive impact on the prediction quality. The identification and elimination of the noisy signals should improve final prediction result. The validity of our concept is presented on the real problem of load forecasting in the Polish Power System.
PL
W artykule przedstawiono nową metodę detekcji szumów losowych zastosowana w procesie agregacji modeli. W rozwijanej metodzie agregacji zbieramy rezultaty poszczególnych modeli predykcyjnych w jednej wielowymiarowej zmiennej. Zakładamy, że zawiera ona konstruktywne oraz destrukcyjne dla wyników prognozy ukryte komponenty. Komponenty te możemy estymować metodami ślepej separacji sygnałów. Poprawna identyfikacji oraz eliminacja komponentów szumowych prowadzi do poprawy ostatecznych wyników predykcji. Potwierdzeniem skuteczności proponowanych rozwiązań jest przykład predykcji obciążenia systemu elektroenergetycznego.
3
Content available remote Ensemble neural network approach for accurate load forecasting in a power system
Siwek K., Osowski S., Szupiluk R.
International Journal of Applied Mathematics and Computer Science
|
2009
|
Vol. 19, no 2
303-315
EN
The paper presents an improved method for 1-24 hours load forecasting in the power system, integrating and combining different neural forecasting results by an ensemble system. We will integrate the results of partial predictions made by three solutions, out of which one relies on a multilayer perceptron and two others on self-organizing networks of the competitive type. As the expert system we will apply different integration methods: simple averaging, SVD based weighted averaging, principal component analysis and blind source separation. The results of numerical experiments, concerning forecasting the hourly load for the next 24 hours of the Polish power system, will be presented and discussed. We will compare the performance of different ensemble methods on the basis of the mean absolute percentage error, mean squared error and maximum percentage error. They show a significant improvement of the proposed ensemble method in comparison to the individual results of prediction. The comparison of our work with the results of other papers for the same data proves the superiority of our approach.
4
Content available remote ICA method and RBF neural network for prediction improvement
Szupiluk R., Siwek K., Wojewnik P., Ząbkowski T.
Przegląd Elektrotechniczny
|
2007
|
R. 83, nr 11
57-59
EN
In this paper we present a novel method for integration the prediction results by finding common latent components via independent component analysis. The latent components can have constructive or destructive influence on particular prediction results. After the elimination of the deconstructive signals we rebuilt the improved predictions using RBF neural networks. We check the method validity on the electricity load prediction task.
PL
W artykule przedstawiono nową metodę pozwalającą na łączenie wyników predykcji poprzez poszukiwanie ukrytych wspólnych składowych przy zastosowaniu procedury analizy składowych niezależnych. Składowe ukryte mogą mieć pozytywny lub negatywny wpływ na wyniki predykcji. Po wyeliminowaniu składowych niekorzystnych poprawiono model wykorzystując sztuczną sieć neuronową z radialną funkcją bazową. Poprawność metody sprawdzono na przykładzie predykcji poboru mocy.
5
Content available remote Independent Component Analysis for Modelling Improvement
Szupiluk R., Wojewnik P., Ząbkowski T.
Schedae Informaticae
|
2004
|
Vol. 13
151-164
EN
A common problem encountered in such disciples as statistics, data analysis, signal processing, data mining and time series analysis is finding a suitable model to explore existing dependencies. There are many models with different advantages and it happens that different good criteria indicate different models as an optimal solution. We need good criteria to choose the best model. But how to choose the best criterion? To avoid this disadvantage we propose an Independent Component Analysis for adopting many solutions from a large set of competitive models. Such a transformation seems to capture the essential structure of data solutions in many applications.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.