文献

J-GLOBAL ID：201802278524059504   整理番号：18A2230370

人工神経回路網を用いた短期風速予測技術の比較研究【JST・京大機械翻訳】

Comparative Study of Short-Term Wind Speed Forecasting Techniques Using Artificial Neural Networks

著者 (2件)： Kurdikeri Rohitha. B. (Department of Electrical and Electronics Engineering, B.V.B. College of Engineering and Technology, Hubballi, India) ,  Raju A. B. (Department of Electrical and Electronics Engineering, B.V.B. College of Engineering and Technology, Hubballi, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICCTCT  ページ： 1-5  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,人工ニューラルネットワークアプローチを用いて,2つの異なる予測方式の風予測と比較の重要性に焦点を合わせた。予測のタイプには,標準逆伝搬技術を用いたフィードフォワードネットワークモデルと,任意のデータに対する固有メモリを持つ再帰ニューラルネットワークモデルが含まれている。本研究では,局所メモリと関連入力が,通常のフィードフォワードネットワークよりも時系列予測により適切なリカレントニューラルネットワークを作る方法を示した。また,正確な予測とより良いエネルギー取引のために,現在の技術の微調整が必要である。したがって,LSTMモデルは,再帰ニューラルネットワークの一部である。最後に,結果を平均二乗誤差,実際とモデル出力の間の差を計算する誤差関数の観点から測定した。LSTMモデルは,RNNモデルと比較して,短い期間と長い期間の時系列予測により適していることが分かった。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *風 ,  誤差関数 ,  *予測 ,  *ニューラルネットワーク ,  記憶装置
準シソーラス用語： モデル出力 ,  平均二乗誤差 ,  微調整 ,  リカレントニューラルネットワーク ,  時系列予測 ,  神経回路網モデル ,  フィードフォワードニューラルネットワーク ,  風速予測 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 人工神経回路網 ,  短期 ,  風速予測 ,  研究