En este trabajo se desarrolla una nueva máquina de aprendizaje extremo optimizada mediante la optimización de enjambre de partículas con comportamiento cuántico (QPSO). Utiliza QPSO para seleccionar los parámetros óptimos de la red, incluyendo el número de neuronas de la capa oculta, de acuerdo con el error cuadrático medio en el conjunto de datos de validación y la norma de los pesos de salida. El Q-ELM propuesto se aplicó a aplicaciones de clasificación del mundo real y a un problema de diagnóstico de un motor de turbina de gas y se comparó con otros dos métodos ELM optimizados y con el método ELM, SVM y BP originales. Los resultados muestran que el Q-ELM propuesto es un método más fiable y adecuado que la red neuronal convencional y otros métodos ELM para el diagnóstico de defectos del motor de turbina de gas.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Estabilización de un sistema de control inalámbrico en red con pérdida de paquetes y retardo temporal: Un enfoque ADS
Artículo:
Método de configuración de antenas para la medición de RF basada en DOPs en el vuelo en formación de satélites
Artículo:
Sincronización de dos sistemas caóticos de orden fraccionario mediante control de modo deslizante difuso terminal no singular
Artículo:
Análisis del rendimiento a baja velocidad de una entrada de multiconducto de giro interior para motores de ciclo combinado basados en turbinas
Video:
Control de procesos aplicado para ingenieros químicos
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.