目次
背面図
サポート ベクター マシンの詳細な原理 SVM SVM
の定義
SVM 理論
適応粒子群最適化
に基づく粒子群最適化の原理 SVM 風力発電予測
コード
結果分析
Outlook
リファレンス
背面図
発電量の正確な予測は,インテリジェントな配電網の実現に役立つ新しいエネルギーグリッド構築の基本条件の1つである.本稿では,SVMと粒子群改良型SVMを用いて発電量の正確な予測を実現する
サポートベクターマシンSVMの詳しい原理
SVMの定義
サポート ベクター マシン (SVM) は、基本モデルが特徴空間で定義された最大間隔を持つ線形分類器であるバイナリ分類モデルです。最大間隔により、パーセプトロンとは異なります。SVM にはカーネル技術も含まれており、実質的に非線形になります。分類子。SVM の学習戦略は区間を最大化することであり、これは凸二次計画法を解く問題として形式化でき、これは正則化ヒンジ損失関数を最小化する問題とも等価です。SVMの学習アルゴリズムは、凸二次計画法を解くための最適化アルゴリズムです。
(1) サポート ベクター マシン (SVM) はデータをバイナリ分類するための一般化線形分類器であり、その分類境界は学習サンプルを解くための最大区間超平面です。
(2) SVM は、ヒンジ損失関数を使用して経験的リスクを計算し、解システムに正則化項を追加して構造リスクを最適化する、スパース性とロバスト性を備えた分類器です。
(3) SVM はカーネル機能を導入することで非線形分類を行うことができます。
SVM理論
1. 線形分離性