استخدام خوارزمية أمثلية سرب العناصر في ضبط معاملات انحدار العملية الغاوصية

الملخص

تُعدّ تقنية انحدار العملية الغاوصية (Gaussian Process Regression) GPR أحد أهم تقنيات التعلم الآلي، وقد أصبحت موضوع شائع للبحث في مجال التنبؤ منذ اقترحها ضمن نظرية التعلم الآلي العالمان

 Rasmussen و Williams عام 1996 بحيث تمكنت هذه التقنية بنجاح من تحليل بيانات مختلف الأنظمة والتنبؤ بسلوكها بدقة عالية، ولكن تكمن المشكلة الأساسية في هذه التقنية باختيار معاملات انحدار العملية الغاوصية بسبب غياب منهج لهيكلية عامة لضبط قيم هذه المعاملات حتى الآن.

اقترحنا في هذا البحث طريقة جديدة في اختبار ضبط قيم معاملات انحدار العملية الغاوصية بالاعتماد على خوارزمية أمثلية سرب العناصر(PSO)، وتم التحقق من جودتها عبر تطبيقها على بيانات واقعية ومولدة. كما تم مقارنة هذه الطريقة مع طريقة الاختيار التحليلية أو التجريبية(AS) باستخدام مقاييس دقة التنبؤ (MSE، RMSE، (MAPE، بهدف الوصول أخيراً لأفضل طريقة لاختيار قيم هذه المعاملات.

ودلَّت نتائج البحث أن الطريقة المقترحة تعطي أفضل دقة تنبؤ عند استخدامها لاختيار قيم معاملات انحدار العملية الغاوصية.