Support Vector Regression and Radial Basis Function Neural Networks Applied to Semi-quantitative Prediction of Rhubarbs

2007 ◽  
Author(s):  
Zhuoyong Zhang ◽  
Xiaofang Zhang ◽  
Peter de B. Harrington
Keyword(s):  
Neural Networks ◽  
Radial Basis Function ◽  
Support Vector Regression ◽  
Basis Function ◽  
Quantitative Prediction ◽  
Support Vector ◽  
Radial Basis

scholarly journals Classificação do Risco de Quedas em Idosos com Least Squares Support Vector Regression Utilizando Sinais Eletromiográficos e Dinamométricos

2021 ◽  
Author(s):  
Daniele Alves Silva ◽  
Laiana Sepúlveda de Andrade Mesquita ◽  
Luan Marinho Morais Pereira ◽  
Nayra Ferreira Lima Castelo Branco ◽  
Hermes Manoel Galvão Castelo Branco ◽  
...  
Keyword(s):  
Radial Basis Function ◽  
Least Squares ◽  
Support Vector Regression ◽  
Basis Function ◽  
Support Vector ◽  
Radial Basis ◽  
Leave One Out

A determinação do risco de cair é de suma importância na assistência à saúde do idoso, pois a ocorrência de quedas nessa população trazem consequências em vários aspectos. Ferramentas de aprendizado de máquinas têm sido cada vez mais empregadas com este fim. Portanto, o objetivo deste estudo foi investigar a viabilidade da utilização de sinais eletromiográficos e dinamométricos na classificação do risco de quedas em idosos via modelo least squares support vector regression (LSSVR). Trinta e um voluntários idosos foram avaliados com a Escala de Equilíbrio de Berg (EEB), eletromiografia e dinamometria do membro inferior dominante. Para o modelo LSSVR foram utilizados kernels do tipo linear, polinomial e radial basis function (RBF), além de validações cruzadas pelos métodos leave one out e K-fold. Ambos os sinais apresentaram erros médios baixos na maioria das execuções realizadas. Dessa forma, verificou-se que é possível classificar o risco de quedas em idosos por meio de sinais eletromiográficos e dinamométricos aplicados ao modelo LSSVR.

COVID-19 Spread Pattern Using Support Vector Regression

2020 ◽  
Vol 8 (1) ◽  
pp. 67-74 ◽  
Author(s):  
Herlawati Herlawati
Keyword(s):  
Radial Basis Function ◽  
Support Vector Regression ◽  
Soft Computing ◽  
Basis Function ◽  
Rapid Development ◽  
Support Vector ◽  
Growth Simulation ◽  
Real Condition ◽  
Radial Basis ◽  
Spread Pattern

Pandemics are rare and happen in about 100 years period. Current pandemic, COVID-19, occurs in the industrial 4.0 era where there is a rapid development computation. Yet, the scientists in every country face difficulty in predicting the growth simulation of this pandemic. The paper tries to use a soft computing algorithm to predict the pattern of the COVID-19 pandemic in Indonesia. Support Vector Regression was used in Google Interactive Notebook with some kernels for comparison, i.e. radial basis function, linear and polynomial. The testing results showed that radial basis function outperformed other kernels as a regressor with some parameters should follows the real condition, i.e. gamma, c, and epsilon.

Potential of radial basis function based support vector regression for global solar radiation prediction

2014 ◽  
Vol 39 ◽  
pp. 1005-1011 ◽  
Author(s):  
Zeynab Ramedani ◽  
Mahmoud Omid ◽  
Alireza Keyhani ◽  
Shahaboddin Shamshirband ◽  
Benyamin Khoshnevisan
Keyword(s):  
Solar Radiation ◽  
Radial Basis Function ◽  
Support Vector Regression ◽  
Basis Function ◽  
Global Solar Radiation ◽  
Support Vector ◽  
Radial Basis
Sign in / Sign up

Export Citation Format

Share Document