Logowanie
Zarejestruj się
Zresetuj hasło
Publikuj i Dystrybuuj
Rozwiązania Wydawnicze
Rozwiązania Dystrybucyjne
Dziedziny
Architektura i projektowanie
Bibliotekoznawstwo i bibliologia
Biznes i ekonomia
Chemia
Chemia przemysłowa
Filozofia
Fizyka
Historia
Informatyka
Inżynieria
Inżynieria materiałowa
Językoznawstwo i semiotyka
Kulturoznawstwo
Literatura
Matematyka
Medycyna
Muzyka
Nauki farmaceutyczne
Nauki klasyczne i starożytne studia bliskowschodnie
Nauki o Ziemi
Nauki o organizmach żywych
Nauki społeczne
Prawo
Sport i rekreacja
Studia judaistyczne
Sztuka
Teologia i religia
Zagadnienia ogólne
Publikacje
Czasopisma
Książki
Materiały konferencyjne
Wydawcy
Blog
Kontakt
Wyszukiwanie
EUR
USD
GBP
Polski
English
Deutsch
Polski
Español
Français
Italiano
Koszyk
Home
Czasopisma
Applied Mathematics and Nonlinear Sciences
Tom 8 (2023): Zeszyt 1 (January 2023)
Otwarty dostęp
Design of Morlet wavelet neural network to solve the non-linear influenza disease system
Zulqurnain Sabir
Zulqurnain Sabir
,
Muhammad Umar
Muhammad Umar
,
Muhammad Asif Zahoor Raja
Muhammad Asif Zahoor Raja
,
Irwan Fathurrochman
Irwan Fathurrochman
oraz
Samer M. Shorman
Samer M. Shorman
| 27 gru 2021
Applied Mathematics and Nonlinear Sciences
Tom 8 (2023): Zeszyt 1 (January 2023)
O artykule
Poprzedni artykuł
Następny artykuł
Abstrakt
Ilustracje i tabele
Referencje
Autorzy
Artykuły w tym zeszycie
Podgląd
PDF
Zacytuj
Udostępnij
Data publikacji:
27 gru 2021
Zakres stron:
2033 - 2048
Otrzymano:
17 cze 2021
Przyjęty:
24 wrz 2021
DOI:
https://doi.org/10.2478/amns.2021.2.00120
Słowa kluczowe
Non-linear influenza disease system
,
Morlet wavelet neural networks
,
sequential quadratic programming
,
Runge–Kutta
,
genetic algorithms
,
numerical measures
© 2023 Zulqurnain Sabir et al., published by Sciendo
This work is licensed under the Creative Commons Attribution 4.0 International License.
Fig. 1
Proposed framework of MWNNs using the GA-SQP to solve the biological-based NIDS. GA, genetic algorithm; MWNNs, Morlet wavelet neural networks; SQP, sequential quadratic programming.
Fig. 2
Best weight vectors set and best/mean results comparison with reference solutions to solve NIDS. NIDS, non-linear influenza disease system.
Fig. 3
Best and mean values of the AE for each group of NIDS. AE, absolute error; NIDS, non-linear influenza disease system.
Fig. 4
Statistical performances based on EVAF, MAD and TIC operators for solving NIDS. MAD, mean absolute deviation; NIDS, non-linear influenza disease system; TIC, Theil’s inequality coefficient.
Fig. 5
Convergence performances based on TIC, EVAF and RMSE operators for solving NIDS. NIDS, non-linear influenza disease system.