首页»行业  »   机器学习  »   正文

机器学习最新论文 | 基于机器学习的多模型组合(MMC)的应用

机器学习(Machine Learning)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。2019年1月16号,诺丁汉大学地理学院提出一篇名为“探索全球水文模型集合加权多模型组合的机器学习价值”的论文。以下是对该论文的一些简单介绍。

机器学习最新论文 | 基于机器学习的多模型组合(MMC)的应用

集锦

文章首次提出将基于机器学习的多模型组合(MMC)应用于全球水文模型(GHM)集成的想法。主要从三个方面提出。

1.MMC的性能优于任何单独的输入模型和集成平均值。

2.MMC并不总是能够基于多重线性回归进行模型组合。

3.MMC解的物理解释受限于其非线性加权方案的复杂性。

以40个全球大流域的5个温室气体管理系统的径流模拟为例。与表现最佳的GHM相比,MMC解决方案的基准、中值性能增益为45%,与EM相比超过100%。MMC提供的性能增益表明,未来的多模型应用程序应考虑报告MMC,以及EM和多式联运范围,以向GHM系统的最终用户提供更好的连续性。径流的临时估算。重要的是,这项研究强调了用物理术语解释复杂的非线性MMC解的困难。这表明需要一种基于机器学习方法的实用方法来研究未来的MMC,在这种方法中,允许的解决方案复杂性受到了严格的限制。

机器学习最新论文 | 基于机器学习的多模型组合(MMC)的应用

 原论文PDF地址https://www.sciencedirect.com/science/article/pii/S1364815217309817#!

欢迎关注ATYUN官方公众号,商务合作及内容投稿请联系邮箱:bd@atyun.com

发表评论