简单来说,近十年来,深度学习在电力系统负荷预测方面应用已经十分广泛,本文主要探索了DL在电力系统和智能电网负荷预测中的不同应用,并且比较了众多方法的RMSE以及MAE,并最终发现,卷积神经网络CNN与k-means算法结合可以大大降低RMSE。 Keywords 人工神经网络(ANN), 预测,学习(人工智能),机器学习,智能电网。 I. INTRODUCT...
深度学习特征提取特征整合数据稀疏性在基于位置的社交网络(LBSN)中,用户可以在兴趣点(POI)进行签到以记录行程,也可以与其他用户分享自身的感受并形成社交好友关系.POI推荐是LBSN提供的一项重要服务,其可以帮助用户快速发现感兴趣的POI,也有利于POI提供商更全面地了解用户偏好,并有针对性地提高服务质量.POI推荐主要基于对...
对于渗漏的检测问题,第一种方法是利用深度学习模型对于系统状态预测,预测值与检测值的偏差反映了管网状态,第二种方法是对于运行状况进行正常和异常的分类。 在排水系统方面,对于管道状态评估问题,CNN的图像分类、目标检测、语义分割模型都有作用。传统的方法是专家通过闭路监控视频识别,但CNN的语义分割模型可以基于图片获得...
深度学习(DL)是材料数据科学中发展最快的课题之一,其应用迅速崛起,涵盖了原子、图像、光谱和文本数据模式。DL允许分析非结构化的数据和自动识别特征。最近,大型材料数据库的发展推动了DL方法在原子学预测方面的应用。相比之下,图像和光谱数据的进展在很大程度上利用了高质量的正向模型以及生成性无监督DL方法所带来的合...
本文总结的主要深度学习方法及在城市水系统应用如图1所示。在供水系统方面:对于需水量预测的时间序列预测问题,LSTM比一般的机器学习方法表现更好。对于渗漏的检测问题,第一种方法是利用深度学习模型对于系统状态预测,预测值与检测值的偏差反映了管网状态,第二种方法是对于运行状况进行正常和异常的分类。