A Multiple-Kernel Relevance Vector Machine with Nonlinear Decreasing Inertia Weight PSO for State Prediction of Bearing

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Descripción: La predicción científica y precisa del estado de rodamiento es clave para garantizar su funcionamiento seguro. En este estudio se propone una máquina de vectores de relevancia de múltiples núcleos (MkRVM) que incluye un núcleo RBF y un núcleo polinómico para la predicción del estado de rodamiento; las proporciones de los núcleos RBF y polinómico son determinadas por un parámetro controlado. Dado que la selección de los parámetros de las funciones del núcleo y el parámetro controlado tienen cierta influencia en los resultados de predicción de MkRVM, se utiliza la optimización por enjambre de partículas con inercia decreciente no lineal (NDIWPSO) para seleccionar sus parámetros de núcleo y parámetro controlado. Se utilizan, respectivamente, el modelo RVM de núcleo RBF con NDIWPSO (NDIWPSO-RBFRVM) y el modelo RVM de núcleo polinómico con NDI
Citación recomendada (normas APA)
: Hindawi Publishing Corporation, "A Multiple-Kernel Relevance Vector Machine with Nonlinear Decreasing Inertia Weight PSO for State Prediction of Bearing", -:Revista VirtualPRO,, 2015. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3937572/), el día 2025-05-03.

Información adicional