Numer: 04/2017 Str. 66
Autorzy: Grzegorz Dudek :
Tytuł: Stochastyczne algorytmy optymalizacji do uczenia modelu prognostycznego opartego na sieci GRNN – badania porównawcze
Streszczenie: 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.
Słowa kluczowe: stochastyczne metody optymalizacji, sieć neuronowa regresji uogólnionej, prognozowanie krótkoterminowe obciążeń.