Hybrid LSTM-Transformer-ACO deep learning models for time series forecasting of solar power
Este estudio propone un novedoso marco de aprendizaje profundo híbrido que combina LSTM, Transformer y Optimización de Colonia de Hormigas (ACO) que, al ser optimizado con Nadam, logra una precisión y eficiencia computacional superiores para el pronóstico de la potencia solar y la carga eléctrica en tiempo real en comparación con modelos híbridos independientes y competidores.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.