• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2010 IEEE/ACS International Conference on Computer Systems and Applications >Application of Pruned Bilinear Recurrent Neural Network to load prediction
【24h】

Application of Pruned Bilinear Recurrent Neural Network to load prediction

机译：修剪双线性递归神经网络在负荷预测中的应用

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Prediction of electric load by using Pruned Bilinear Recurrent Neural Network (PBRNN) is proposed and presented in this paper. The PBRNN was developed to alleviate the computational cost associated with the Bilinear Recurrent Neural Network by using a pruning procedure. Since electric loads have a time-series characteristic, a prediction scheme based on the PBRNN can be an optimal candidate for the electric load prediction problem. Experiments are conducted on a load data set from the North-American Electric Utility (NAEU). Results show that the Pruned BRNN-based prediction scheme outperforms the conventional Multi- Layer Perceptron Type Neural Network (MLPNN) in terms of the Mean Absolute Percentage Error(MAPE).
机译：提出并提出了使用修剪双线性递归神经网络（PBRNN）预测电力负荷的方法。开发PBRNN是为了通过使用修剪程序来减轻与双线性递归神经网络相关的计算成本。由于电负载具有时序特性，因此基于PBRNN的预测方案可以成为电负载预测问题的最佳候选者。实验是根据来自北美电力公司（NAEU）的负荷数据集进行的。结果表明，在平均绝对百分比误差（MAPE）方面，基于BRNN的修剪预测方案优于传统的多层感知器类型神经网络（MLPNN）。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号