Please enable JavaScript.

Coggle requires JavaScript to display documents.

Hibridación de modelos de inteligencia artificial con algoritmos de…

- - - - donde x y y son las entradas del nodo i
      - La segunda capa consiste en el producto de las señales de entrada entre sí. El valor de salida o fuerza reafirmante se expresa de acuerdo con la siguiente ecuación:
      - Los valores de salida o la fuerza reafirmante obtenidos en el paso anterior son normales para cada nodo I
    - - Si n es la variable de entrada en el nodo de entrada ( x i , i = 1,2, .., n ), p es el número de nodos de capa ocultos ( z j , i = 1,2, .., p ), y k es el número de variables de salida en el nodo de salida ( y m , m = 1,2, .., k )
        
        donde W kj y W ij son coeficientes de peso entre nodos, b k y c j son valores de sesgo, y f y y f z son funciones activas. La función de transferencia se utiliza para convertir el total de entradas ponderadas a la neurona de entrada neta [44] :
        
        donde j es el número verdadero de neuronas, x i es una variable de entrada, w ij es la variable de ponderación y b es el sesgo.
    - - El algoritmo de optimización de girasol se utiliza en este estudio como un algoritmo con un número bajo de parámetros aleatorios y parámetros fáciles de ajustar, convergencia rápida, alta capacidad de búsqueda
      - Un tema importante con respecto a los girasoles y el modelo matemático de este algoritmo de optimización es la intensidad (cantidad) de la radiación solar, que se reduce en proporción al cuadrado del aumento en la distancia.
        
        Si se duplica la distancia, la intensidad se reduce cuatro veces.
        
        Por lo tanto, al reducir la distancia del girasol a la fuente de radiación, es decir, el sol, más energía (radiación) puede recibir. Por tanto, el proceso de optimización comienza sobre esta base. La cantidad de calor que recibe cada planta se define mediante la siguiente relación
        
        donde P es la fuente de energía, Ti es la distancia entre la mejor situación actual de la planta y la planta i ésima .
      - y su desempeño exitoso en la optimización de funciones matemáticas y estructuras de ingeniería
- - - - Los valores mínimos de la raíz del error cuadrático medio fueron RMSE = 1,89 my 1,92 m para las fases de modelado de entrenamiento y prueba, respectivamente.
        
        La peor capacidad de predicción se alcanzó para el largo plazo (es decir, seis meses de retraso de lluvia).