Hybrid LSTM-Transformer-ACO deep learning models for time series forecasting of solar power
Cette étude propose un nouveau cadre d'apprentissage profond hybride combinant LSTM, Transformer et l'optimisation par colonies de fourmis (ACO) qui, lorsqu'il est optimisé avec Nadam, atteint une précision et une efficacité computationnelle supérieures pour la prévision en temps réel de la puissance solaire et de la charge électrique par rapport aux modèles hybrides autonomes et concurrents.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.