Investigaciones de la red neuronal de wavelet de Morlet para presentar las investigaciones numéricas del modelo de predicción diferencial
Autores: Sabir, Zulqurnain; Arbi, Adnène; Hashem, Atef F.; Abdelkawy, Mohamed A
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Investigaciones de la red neuronal de wavelet de Morlet para presentar las investigaciones numéricas del modelo de predicción diferencial
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Diseño
Redes neuronales de onda Morlet
Modelo de predicción diferencial
Algoritmo genético
Esquema de algoritmo de punto interior rápido local
Sistema diferencial funcional
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
En este estudio, se presenta un diseño de redes neuronales de wavelet de Morlet (MWNNs) para resolver el modelo diferencial de predicción (PDM) aplicando la capacidad de aproximación global de un algoritmo genético (GA) y un esquema de algoritmo de punto interior rápido local (IPAS), es decir, MWNN-GAIPAS. El famoso e histórico PDM se conoce como una variante del sistema diferencial funcional que funciona como el opuesto de los modelos diferenciales de retardo. Se construye una función de aptitud utilizando el error cuadrático medio y se optimiza a través del GA-IPAS para resolver el PDM. Se han presentado tres ejemplos de PDM numéricamente para verificar la autenticidad del MWNN-GAIPAS. Para la perfección del MWNN-GAIPAS diseñado, se realiza la comparabilidad de las salidas obtenidas y los resultados exactos. Además, se realiza un análisis de neuronas tomando 3, 10 y 20 neuronas. Se han realizado observaciones estadísticas para autenticar la confiabilidad del MWNN-GAIPAS para resolver el PDM.
Descripción
En este estudio, se presenta un diseño de redes neuronales de wavelet de Morlet (MWNNs) para resolver el modelo diferencial de predicción (PDM) aplicando la capacidad de aproximación global de un algoritmo genético (GA) y un esquema de algoritmo de punto interior rápido local (IPAS), es decir, MWNN-GAIPAS. El famoso e histórico PDM se conoce como una variante del sistema diferencial funcional que funciona como el opuesto de los modelos diferenciales de retardo. Se construye una función de aptitud utilizando el error cuadrático medio y se optimiza a través del GA-IPAS para resolver el PDM. Se han presentado tres ejemplos de PDM numéricamente para verificar la autenticidad del MWNN-GAIPAS. Para la perfección del MWNN-GAIPAS diseñado, se realiza la comparabilidad de las salidas obtenidas y los resultados exactos. Además, se realiza un análisis de neuronas tomando 3, 10 y 20 neuronas. Se han realizado observaciones estadísticas para autenticar la confiabilidad del MWNN-GAIPAS para resolver el PDM.