A support vector regression (SVR)-based method for dynamic load identification using heterogeneous responses under interval uncertainties

2021 ◽  
pp. 107599
Author(s):  
Yaru Liu ◽  
Lei Wang ◽  
Kaixuan Gu
2014 ◽  
Vol 556-562 ◽  
pp. 2573-2576
Author(s):  
Wei Guan ◽  
Cheng Wang ◽  
D.S. Chen ◽  
Jin Gou

The accurate load identification can ensure the security and reliability of engineering structures. Recently, this technique has attracted much attention by many scholars. This paper concludes the latest load identification technologies at home and abroad, which include the machine learning methods based on neural network method, support vector machine (SVM) and optimization methods, and the wavelet transform method. In addition, their advantages and disadvantages and the applicable ranges are also discussed. Finally, the prospect of dynamic load identification was discussed, so as to extend the application area of load identification. n�GeZ����6�span>dentification


2016 ◽  
Vol 136 (12) ◽  
pp. 898-907 ◽  
Author(s):  
Joao Gari da Silva Fonseca Junior ◽  
Hideaki Ohtake ◽  
Takashi Oozeki ◽  
Kazuhiko Ogimoto

2020 ◽  
Author(s):  
Avinash Wesley ◽  
Bharat Mantha ◽  
Ajay Rajeev ◽  
Aimee Taylor ◽  
Mohit Dholi ◽  
...  

2020 ◽  
Vol 25 (1) ◽  
pp. 24-38
Author(s):  
Eka Patriya

Saham adalah instrumen pasar keuangan yang banyak dipilih oleh investor sebagai alternatif sumber keuangan, akan tetapi saham yang diperjual belikan di pasar keuangan sering mengalami fluktuasi harga (naik dan turun) yang tinggi. Para investor berpeluang tidak hanya mendapat keuntungan, tetapi juga dapat mengalami kerugian di masa mendatang. Salah satu indikator yang perlu diperhatikan oleh investor dalam berinvestasi saham adalah pergerakan Indeks Harga Saham Gabungan (IHSG). Tindakan dalam menganalisa IHSG merupakan hal yang penting dilakukan oleh investor dengan tujuan untuk menemukan suatu trend atau pola yang mungkin berulang dari pergerakan harga saham masa lalu, sehingga dapat digunakan untuk memprediksi pergerakan harga saham di masa mendatang. Salah satu metode yang dapat digunakan untuk memprediksi pergerakan harga saham secara akurat adalah machine learning. Pada penelitian ini dibuat sebuah model prediksi harga penutupan IHSG menggunakan algoritma Support Vector Regression (SVR) yang menghasilkan kemampuan prediksi dan generalisasi yang baik dengan nilai RMSE training dan testing sebesar 14.334 dan 20.281, serta MAPE training dan testing sebesar 0.211% dan 0.251%. Hasil penelitian ini diharapkan dapat membantu para investor dalam mengambil keputusan untuk menyusun strategi investasi saham.


2012 ◽  
Vol 23 (9) ◽  
pp. 2336-2346
Author(s):  
Xiao-Jian DING ◽  
Yin-Liang ZHAO

Sign in / Sign up

Export Citation Format

Share Document