ECG Classification Combining Conventional Signal Analysis, Random Forests and Neural Networks - a Stacked Learning Scheme

Author(s):  
Martin Baumgartner ◽  
Martin Kropf ◽  
Lukas Haider ◽  
Sai Veeranki ◽  
Dieter Hayn ◽  
...  
Energies ◽  
2021 ◽  
Vol 14 (8) ◽  
pp. 2332
Author(s):  
Cecilia Martinez-Castillo ◽  
Gonzalo Astray ◽  
Juan Carlos Mejuto

Different prediction models (multiple linear regression, vector support machines, artificial neural networks and random forests) are applied to model the monthly global irradiation (MGI) from different input variables (latitude, longitude and altitude of meteorological station, month, average temperatures, among others) of different areas of Galicia (Spain). The models were trained, validated and queried using data from three stations, and each best model was checked in two independent stations. The results obtained confirmed that the best methodology is the ANN model which presents the lowest RMSE value in the validation and querying phases 1226 kJ/(m2∙day) and 1136 kJ/(m2∙day), respectively, and predict conveniently for independent stations, 2013 kJ/(m2∙day) and 2094 kJ/(m2∙day), respectively. Given the good results obtained, it is convenient to continue with the design of artificial neural networks applied to the analysis of monthly global irradiation.


2018 ◽  
Vol 18 (1-2) ◽  
pp. 79-95
Author(s):  
V. R. Cherlіnka

Основною метою математичного експерименту було дослідження впливу роздільної здатності ЦМР на якісні характеристики симулятивних ґрунтових карт, які отримуються шляхом моделювання при використанні типового набору матеріалів, які можуть бути потенційно доступними пересічному ґрунтознавцю чи науковцю в сучасних українських реаліях. При цьому показано, що морфометричні параметри рельєфу та його деривати є надійним базисом предикативного моделювання просторового поширення ґрунтових відмін з достатньо високою точністю, а представлена методика має значну перспективу в науково-виробничих задачах. На основі кореляційного аналізу була здійснена оцінка тісноти зв’язку та ролі згаданих параметрів у мінливості ґрунтового покриву, що з залученням аналізу головних компонент дозволило обрати 9 базових предикторів моделі: абсолютні висоти, топографічний індекс вологості, кількість сонячної радіації на одиницю площі, крутизну схилів, поздовжню та максимальну кривизну топографічної поверхні, акумуляцію, довжину та відстань до водних потоків. Зроблено розширену оцінку якості симулятивних ґрунтових карт при різних значеннях роздільної здатності ЦМР. Встановлено відмінності у якості прогнозних ґрунтових карт при використанні 14 основних типів предикативних алгоритмів та рекомендовано найбільш придатні для такого роду задач моделі, зокрема Decіsіon Trees, Random Forests, та виокремлено деякі з них, які потенційно можуть показувати високі результати, зокрема Bugget Trees, K-Nearest Neіghbors, Support Vector Machіnes та Neural Networks.


2018 ◽  
Vol 18 (23) ◽  
pp. 9669-9681 ◽  
Author(s):  
Yier Lin ◽  
Julien Le Kernec ◽  
Shufan Yang ◽  
Francesco Fioranelli ◽  
Olivier Romain ◽  
...  

Sign in / Sign up

Export Citation Format

Share Document