将自由职业模型与分数导数和人工神经网络集成:一种全面的方法来实现高级计算
Fareeha Sami Khan1, Afraz Hussain Majeed2, M Khalid1
1Department of Mathematical Sciences, Federal Urdu University of Arts, Sciences & Technology, University Road, Karachi, 75300, Pakistan.
Heliyon
|May 3, 2024
概括
本研究引入了一种新的计算方法,将自由职业模型 (FM),分数导数 (FD) 和人工神经网络 (ANN) 结合起来,以获得更好的结果. 综合方法可以提高复杂的数据驱动系统的性能.
科学领域:
- 计算科学 计算科学
- 应用数学 应用数学 应用数学
- 人工智能的人工智能
背景情况:
- 现有的计算模型在处理复杂系统时经常面临局限性.
- 整合不同的方法可以带来协同效应的性能改进.
- 分数衍生品为动态系统提供了增强的建模能力.
研究的目的:
- 调查自由职业模型 (FM),分数导数 (FD) 和人工神经网络 (ANN) 的联合有效性.
- 开发一种新的计算策略,利用FM,FD和ANN的优势.
- 为了提高复杂系统和数据驱动应用程序的性能.
主要方法:
- 一种混合模型,集成了自由职业模型 (FM),分数导数 (FD) 和人工神经网络 (ANN).
- 使用了一个神经网络架构,有20个神经元.
- 数据被训练和验证使用70%-15%-15%的分割.
- 通过相关性/回归分析和组图来评估模型的一致性.
主要成果:
- 综合方法在计算结果中显示出显著的改进.
- 通过相关性/回归和组图的验证证实了该方法的一致性和有效性.
- 整合成功地最大化了FM,FD和ANN的好处.
结论:
- 拟议的混合模型为计算方法提供了一个有前途的新视角.
- 这种方法有可能在各个行业产生重大影响.
- 这些发现为复杂系统和数据驱动领域的进一步进步打开了道路.


