| ชื่อเรื่อง | : | Support vector regression based adaptive power system stabilizer |
| นักวิจัย | : | Boonprasert U. , Theera-Umpon N. , Rakpenthai C. |
| คำค้น | : | - |
| หน่วยงาน | : | มหาวิทยาลัยเชียงใหม่ |
| ผู้ร่วมงาน | : | - |
| ปีพิมพ์ | : | 2546 |
| อ้างอิง | : | 02714310 , 61137 , PICSD , http://www.scopus.com/inward/record.url?eid=2-s2.0-0037744928&partnerID=40&md5=4af62a675ff598ec38614f1854e369f2 , http://cmuir.cmu.ac.th/handle/6653943832/1464 |
| ที่มา | : | - |
| ความเชี่ยวชาญ | : | - |
| ความสัมพันธ์ | : | - |
| ขอบเขตของเนื้อหา | : | - |
| บทคัดย่อ/คำอธิบาย | : | The main purpose of this paper is to compare performances of our proposed support vector machine (SVM) based power system stabilizer (PSS) with the conventional PSS, artificial neural networks (ANN) and radial basis function (RBF) networks in PSS applications. We train an application of the SVM, namely the support vector regression (SVR) to approximate functions (nonlinear regression) in real-time tuning of the parameters of PSS. In addition to being a simpler model, the experimental results suggest that the SVR can be trained in much shorter time than ANN and RBF networks. Moreover, the SVR also provides the most robust among these four approaches. |
| บรรณานุกรม | : |
Boonprasert U. , Theera-Umpon N. , Rakpenthai C. . (2546). Support vector regression based adaptive power system stabilizer.
เชียงใหม่ : มหาวิทยาลัยเชียงใหม่ . Boonprasert U. , Theera-Umpon N. , Rakpenthai C. . 2546. "Support vector regression based adaptive power system stabilizer".
เชียงใหม่ : มหาวิทยาลัยเชียงใหม่ . Boonprasert U. , Theera-Umpon N. , Rakpenthai C. . "Support vector regression based adaptive power system stabilizer."
เชียงใหม่ : มหาวิทยาลัยเชียงใหม่ , 2546. Print. Boonprasert U. , Theera-Umpon N. , Rakpenthai C. . Support vector regression based adaptive power system stabilizer. เชียงใหม่ : มหาวิทยาลัยเชียงใหม่ ; 2546.
|
ridm@nrct.go.th ระบบคลังข้อมูลงานวิจัยไทย รายการโปรดที่คุณเลือกไว้
