{"product_id":"ieej-zt126026","title":"過学習防止を考慮したGRBFNによる太陽光発電出力予測","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e6-026\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】平成24年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2012\/03\/05\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eA GRBFN Method Based for PV Generation Output in Consideration of Overfitting\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e高橋 政人(明治大学),森 啓之(明治大学)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eMasato Takahashi(Meiji University),Hiroyuki Mori(Meiji University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e太陽光発電出力|予測|ニューラルネットワーク|過学習|DAクラスタリング\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e本稿では, 太陽光発電出力予測において, GRBFNに基づいた手法を提案する。GRBFNは, ANNの一種であり, RBFNが重みのみの学習を行うことに対して, 重みとラジアル基底関数の中心と幅を学習することにより非線形近似能力を高めた手法である。しかし, 太陽光発電出力は非線形性が強く, GRBFNは過学習を引き起こす可能性がある。そこで本稿では, ラジアル基底関数の中心と幅の初期値の決定に大域的なクラスタリング手法であるDAクラスタリングを適用し, 過学習を回避するために過学習防止法であるWeight-Decay法を用いる。提案法を, 太陽光発電出力の実データに適用することにより, 有効性を検討する。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e824 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 1","offer_id":46399588204783,"sku":"IEEJ-ZT126026-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_df97b4ef-21b8-4724-b9e3-935385b051a7.png?v=1744901944","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt126026","provider":"電気学会 電子図書館","version":"1.0","type":"link"}