این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Nonlinear Analysis and Applications، جلد ۱۳، شماره ۱، صفحات ۳۴۴۱-۳۴۵۰
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Hyperparameters optimization of support vector regression using black hole algorithm
چکیده انگلیسی مقاله The support vector regression (SVR) technique is considered the most promising and widespread way in the prediction process, and raising the predictive power of this technique and increasing its generalization ability well depends on tunning its hyperparameters. Nature-inspired algorithms are an important and effective tool in optimizing or tuning hyperparameters for SVR models. In this research, one of the algorithms inspired by nature, the black hole algorithm (BHA), by adapting this algorithm to optimize the hyperparameters of SVR, the experimental results, obtained from working on two data sets, showed, the proposed algorithm works better by finding a combination of hyperparameters as compared to the grid search (GS) algorithm, in terms of prediction and running time. In addition, the experimental results show the improvement of the prediction and computational time of the proposed algorithm. This demonstrates BHA's ability to find the best combination of hyperparameters.
کلیدواژه‌های انگلیسی مقاله Support Vector Regression (SVR), Black Hole Algorithm (BHA), Hyperparameters
نویسندگان مقاله Saifuldeen Dheyauldeen Alrefaee |
Department of Operations Research and Intelligent Technologies, University of Mosul, Mosul, Iraq

Salih Muayad Al Bakal |
Department of Operations Research and Intelligent Technologies, University of Mosul, Mosul, Iraq

Zakariya Yahya Algamal |
Department of Statistics and Informatics, University of Mosul, Mosul, Iraq

نشانی اینترنتی https://ijnaa.semnan.ac.ir/article_6107_35e123171a6212c2c584ad3a5b6966ad.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات