1.基于极端随机树和声波测温的电站锅炉NO_(x)排放预测方法2.基于LSTM神经网络的燃煤锅炉NO_(x)排放量预测方法3.基于变量选择的电站燃煤锅炉NO_(x)排放浓度预估4.基于数据驱动的燃煤锅炉NO_(x)排放浓度动态修正预测模型5.一种基于卷积特征的NO_(x)排放浓度深度预测模型 因版权原因,仅展示原文概要,查看原文内容请...
将我们的框架与深度学习模型候选模型 LSTM-FCN 进行性能比较,结果表明,所提出的模型取得了类似的结果,但其更具可解释性。文章链接:链接 #深度伪造检测 #轻量化 #可解释 发布于 2025-01-23 13:21・IP 属地北京 赞同1 分享收藏 写下你的评论... 还没有评论,发表第一个评论吧...
基于融合FCN-TCN-LSTM的工业大用户可调节潜力分析模型 综合考虑调控成本和价格激励的影响,开展工业大用户双向可调节潜力的分时段分析是提升新型电力系统负荷管理能力的关键.建立一种基于融合全卷积网络,时域卷积网络,长短... 李彬,明雨,郝一浩,... - 《电力自动化设备》 被引量: 0发表: 2023年 一种并行LSTM-...