B. Artificial Fish-swarm AlgorithmF

B. Artificial Fish-swarm Algorithm
Fish often gather themselves into the waters of the nutrient
rich place by following other fish or by oneself, so the fish live
in the most of the place is usually the most abundant material
in the water. Artificial fish-swarm algorithm is an optimization
algorithm, it constructs artificial fish to imitate fish foraging,
clustering and following behavior, which is through the
structure of the single fish behavior in local optimization to
complete the optimization process of the global space [10-11].
1) Foraging behavior: The fish will make the next moving
direction according to the direction of the perception of the
food concentration when it swims freely in the water.
2) Clustering behavior: In order to avoid harm and better
living, fish naturally choose to live together in groups.
3) Following behavior: When fish found food, the nearby
fish which swimming freely in the water will quickly swam
to the food, leading distant fish quickly swam to the
corresponding point of the food.
e. Artificial Fish-swarm Neural Network Algorithm Based on
Time Series
1) Parameter definition
After the self-correlation analysis of time series, we
selected the dimension of the b variable, which were tested
before historical energy consumption and its self-correlation
coefficient are above 0.6, as the input variables. According to
Kolmogorov theorem, the number of the hidden layer is c, the
output neurons is m , e is the error of the actual output and the
expected output of the neuron. The number of training fish is
f .A neural network represents an artificial fish, and the
difference (gi -g j) and sum (gi + g j) of any two artificial
fish( g;,gj ,wherei,j= 1 ,2,··. ,j )is still a neural network.
The current position of the artificial fish food concentration is h = 1 / e , and the distance between two artificial fish is

ผลลัพธ์ (ไทย) 1:

ข.ประดิษฐ์ปลาฝูงอัลกอริทึมปลามักจะรวบรวมตัวเองเข้าไปในน่านน้ำของสารอาหารอุดมไปด้วยสถานที่ตามปลาอื่น ๆ หรือ ด้วยตน เอง เพื่อให้ปลาอยู่ในส่วนของสถานที่จะมีวัสดุที่ดีสุดลงไปในน้ำ อัลกอริทึมเทียมปลาฝูงเป็นการเพิ่มประสิทธิภาพอัลกอริทึม สร้างปลาเทียมเลียนแบบปลาที่หาอาหารคลัสเตอร์ และต่อพฤติกรรม ซึ่งผ่านการโครงสร้างของลักษณะการทำงานเดี่ยวปลาในท้องถิ่นให้ทำการเพิ่มประสิทธิภาพของพื้นที่โลก [10-11]1) Foraging ลักษณะ: ปลาจะทำให้เคลื่อนไหวต่อไปทิศทางตามทิศทางของการรับรู้ของการความเข้มข้นอาหารเมื่อมันว่ายน้ำได้อย่างอิสระในน้ำ2) พฤติกรรมคลัสเตอร์: เพื่อหลีกเลี่ยงอันตราย และดีกว่าชีวิต ปลาธรรมชาติเลือกที่จะอยู่ร่วมกันในกลุ่ม3) ลักษณะการทำงานต่อไปนี้: เมื่อปลาพบอาหาร อยู่ใกล้เคียงปลาที่ว่ายน้ำได้อย่างอิสระในน้ำจะว่ายได้อย่างรวดเร็วอาหาร นำปลาไกลอย่างรวดเร็วว่ายเพื่อการจุดที่สอดคล้องกันของอาหารอีคะแนนจากอัลกอริทึมโครงข่ายประสาทเทียมปลาฝูงอนุกรมเวลา1) นิยามพารามิเตอร์หลังจากการวิเคราะห์ความสัมพันธ์เองของอนุกรมเวลา เราเลือกขนาดของตัวแปร b ซึ่งได้รับการทดสอบก่อนการใช้พลังงานทางประวัติศาสตร์และความสัมพันธ์ของตนเองค่าสัมประสิทธิ์อยู่เหนือ 0.6 เป็นตัวแปรอินพุต ตามที่ทฤษฎีบทคอลโมโกรอฟ หมายเลขชั้นที่ซ่อนอยู่คือ c การเซลล์ประสาทออกเป็น m, e เป็นข้อผิดพลาดของการผลิต และการผลผลิตที่คาดไว้ของเซลล์ประสาท จำนวนของปลาการฝึกอบรมf เครือข่ายประสาทแทนปลาประดิษฐ์ และความแตกต่าง (gi -g j) และผลรวม (gi + g j) ของสองประดิษฐ์ปลา (g wherei, gj, j = 1, 2, ·· j) เป็นเครือข่ายประสาทตำแหน่งปัจจุบันของความเข้มข้นของอาหารปลาประดิษฐ์เป็น h = 1, e และระยะทางระหว่างสองประดิษฐ์ปลาเป็น

ผลลัพธ์ (ไทย) 2:

บีปลาฝูงประดิษฐ์อัลกอริทึม
ปลามักจะรวบรวมตัวเองลงในน่านน้ำของสารอาหาร
ที่อุดมไปด้วยโดยทำตามหรือปลาอื่น ๆ ด้วยตัวเองเพื่อให้ปลาอาศัยอยู่
ในสถานที่ส่วนใหญ่มักจะเป็นวัสดุที่มีมากที่สุด
ในน้ำ อัลกอริทึมปลาฝูงประดิษฐ์เป็นการเพิ่มประสิทธิภาพ
ขั้นตอนวิธีการสร้างมันปลาเทียมที่จะเลียนแบบการจับเหยื่อปลา
การจัดกลุ่มและพฤติกรรมต่อไปนี้ซึ่งจะผ่าน
โครงสร้างของพฤติกรรมปลาเดียวในการเพิ่มประสิทธิภาพในท้องถิ่นที่จะ
เสร็จสิ้นกระบวนการเพิ่มประสิทธิภาพของพื้นที่โลก [10-11 .]
1) พฤติกรรมการจับเหยื่อ: ปลาจะทำให้การเคลื่อนย้ายต่อไป
ทิศทางตามทิศทางของการรับรู้ของที่
ความเข้มข้นของอาหารเมื่อมันว่ายน้ำได้อย่างอิสระในน้ำ.
2) พฤติกรรม Clustering: เพื่อหลีกเลี่ยงอันตรายและดีกว่า
การใช้ชีวิตปลาตามธรรมชาติ เลือกที่จะอยู่ร่วมกันในกลุ่ม.
3) ติดตามพฤติกรรม: เมื่อพบปลาอาหารในบริเวณใกล้เคียง
ปลาที่ว่ายน้ำได้อย่างอิสระในน้ำได้อย่างรวดเร็วจะว่ายน้ำ
กับอาหารที่นำปลาที่ห่างไกลได้อย่างรวดเร็วว่ายน้ำไปยัง
จุดที่สอดคล้องกันของอาหาร.
E ประดิษฐ์ปลาฝูงโครงข่ายประสาทเทียมขั้นตอนวิธีการขึ้นอยู่กับ
เวลาที่ซีรีส์
1) นิยามพารามิเตอร์
หลังจากการวิเคราะห์ตัวเองความสัมพันธ์ของชุดเวลาที่เรา
เลือกขนาดของตัวแปร B ซึ่งได้รับการทดสอบ
ก่อนการใช้พลังงานทางประวัติศาสตร์และตัวเองความสัมพันธ์ของ
ค่าสัมประสิทธิ์สูงกว่า 0.6 เป็นตัวแปรการป้อนข้อมูล ตามที่
Kolmogorov ทฤษฎีบทจำนวนชั้นที่ซ่อนอยู่คือ c ที่
เซลล์ประสาทที่ส่งออกเป็น M, E เป็นข้อผิดพลาดของการส่งออกที่เกิดขึ้นจริงและการ
ส่งออกที่คาดหวังของเซลล์ประสาท จำนวนของปลาการฝึกอบรมคือ
F ลวด Cored Metallurgical เครือข่ายประสาทหมายถึงปลาเทียมและ
ความแตกต่าง (GI -gj) และผลรวม (GI + จีเจ) ของทั้งสองเทียม
ปลา (กรัม, GJ, wherei, J = 1, 2, ··. ญ) ก็ยังคงเป็นเครือข่ายประสาท.
ตำแหน่งปัจจุบันของความเข้มข้นของอาหารปลาเทียม H = 1 / E และระยะห่างระหว่างสองปลาเทียมคือ

ผลลัพธ์ (ไทย) 3:

B . เทียมปลาฝูงขั้นตอนวิธีปลามักจะรวบรวมตัวเองลงในน้ำของธาตุอาหารที่อุดมไปด้วยสถานที่ตามปลาอื่นๆ หรือ ด้วยตนเอง ดังนั้น ปลาที่อาศัยอยู่ในส่วนใหญ่ของที่นี่มักจะเป็นวัสดุที่อุดมสมบูรณ์มากที่สุดในน้ำ ปลาฝูงนี้เป็นการประดิษฐ์และก็สร้างเทียมเลียนแบบปลาเช่นปลา ,การแบ่งกลุ่มตามพฤติกรรม ซึ่งจะผ่านโครงสร้างของพฤติกรรมปลาเดียวในการเพิ่มประสิทธิภาพท้องถิ่นเสร็จสมบูรณ์เพิ่มประสิทธิภาพกระบวนการของพื้นที่ส่วนกลาง [ d ]1 ) พฤติกรรมการหาอาหาร : ปลาจะทำให้ต่อไปเคลื่อนที่ทิศทางตามทิศทางของการรับรู้ของอาหารเข้มข้นเมื่อว่ายน้ำได้อย่างอิสระในน้ำ2 ) การจัดกลุ่มพฤติกรรม : เพื่อหลีกเลี่ยงอันตรายและดีกว่าอาศัยอยู่ ปลาย่อมเลือกที่จะอยู่ร่วมกันในกลุ่ม3 ) พฤติกรรมต่อไปนี้ : เมื่อปลาที่พบอาหารปลาที่ว่ายน้ำได้อย่างอิสระในน้ำได้อย่างรวดเร็วจะว่ายน้ำกับอาหาร , นำปลารีบว่ายไปไกลจุดที่สอดคล้องกันของอาหารE . เทียมปลาฝูงเครือข่ายประสาทขั้นตอนวิธีขึ้นอยู่กับอนุกรมเวลา1 ) นิยามตัวแปรหลังจากที่ตนเองวิเคราะห์ความสัมพันธ์ของอนุกรมเวลา เราเลือกขนาดของ B ตัวแปรซึ่งถูกทดสอบก่อนการใช้พลังงานทางประวัติศาสตร์ และความสัมพันธ์ของตนเองสัมประสิทธิ์ข้างต้น 0.6 เป็นข้อมูลตัวแปร ตามทฤษฎีบทแอนเดอร์สัน , จำนวนชั้นซ่อนเป็นซีผลผลิตเซลล์ประสาทคือ M , E เป็นข้อผิดพลาดของผลผลิตที่เกิดขึ้นจริงและผลผลิตที่คาดหวังของเซลล์ประสาท . จำนวนปลาการฝึกอบรมคือF . เครือข่ายประสาทเป็นปลาเทียม และความแตกต่าง ( กี - G J ) และผลรวม ( กี + G J ) สองแห่งประดิษฐ์ปลา ( g ; , GJ wherei , J = 1 , 2 , ·· . , J ) ยังคงเป็นเครือข่ายประสาทตำแหน่งปัจจุบันของเทียม ปลาอาหารความเข้มข้นของ H = 1 / E และระยะห่างระหว่างสองปลาเทียม คือ