Wynik wyszukiwania
Zapytanie: LSTM
Liczba odnalezionych rekordów: 6



Przej¶cie do opcji zmiany formatu | Wy¶wietlenie wyników w wersji do druku | Pobranie pliku do edytora | Przesłanie wyników do modułu analizy | excel | Nowe wyszukiwanie
1/6
Nr opisu: 0000136229
Tytuł oryginału: Analysis and forecasting of the primary energy consumption in Poland using deep learning
Tytuł w wersji polskiej: Analiza i prognozowanie zużycia energii pierwotnej w Polsce z wykorzystaniem technik głębokiego uczenia
Autorzy: Anna Manowska.
¬ródło: -Inż. Miner. 2020 R. 21 nr 1, s. 217-222, bibliogr. 24 poz.
Punktacja MNiSW: 40.000
p-ISSN: 1640-4920
DOI:
Słowa kluczowe polskie: konsumpcja energii pierwotnej ; metody głębokiego uczenia ; sztuczne sieci neuronowe ; LSTM ; pamięć długotrwała ; pamięć krótkotrwała
Słowa kluczowe angielskie: primary energy consumption ; deep learning methods ; artificial neural network ; LSTM ; long-term memory ; short-term memory
Typ publikacji: A
Język publikacji: ENG
Zasieg terytorialny: K
Afiliacja: praca afiliowana w P¦l.
Informacje o dostępie open-access: open-access-text-version: FINAL_PUBLISHED open-access-licence: OTHER open-access-release-time: AT_PUBLICATION open-access-article-mode: OPEN_JOURNAL
Dostęp on-line:


2/6
Nr opisu: 0000137630
Tytuł oryginału: Detekcja niezgodno¶ci spawalniczych z zastosowaniem predykcji sygnałów procesowych.
Autorzy: Wojciech Jamrozik.
¬ródło: W: Diagnostyka Maszyn. XLVII Ogólnopolskie Sympozjum, Wisła, 1.03-5.03. 2020. Streszczenia. Red. Grzegorz Peruń, Łukasz Konieczny. Politechnika ¦l±ska. Wydział Transportu i Inżynierii Lotniczej. Katowice : [b.w.], 2020, s. 36-37
ISBN: 978-83-7880-693-6
Słowa kluczowe polskie: LSTM ; predykcja sygnałów ; technologia spalania
Słowa kluczowe angielskie: LSTM ; signal prediction ; welding technology
Typ publikacji: K
Język publikacji: POL
Zasieg terytorialny: K
Afiliacja: praca afiliowana w P¦l.
Lokalizacja ¬ródła: P¦l. sygn. Cz.O1 151850


3/6
Nr opisu: 0000138867
Tytuł oryginału: Prediction of streamflow based on dynamic sliding window LSTM
Autorzy: L. Dong, D. Fang, X. Wang, W. Wei, Robertas Damasevicius, R. Scherer, Marcin WoĽniak.
¬ródło: -Water 2020 vol. 12 iss. 11, s. 1-11, bibliogr. 34 poz.
Impact Factor: 2.544
Punktacja MNiSW: 70.000
p-ISSN: 2073-4441
DOI:
Słowa kluczowe polskie: przepływ strumienia ; prognoza przepływu ; uczenie głębokie ; sieć neuronowa ; LSTM
Słowa kluczowe angielskie: streamflow ; flow prediction ; deep learning ; neural network ; LSTM ; dynamic sliding window
Typ publikacji: A
Język publikacji: ENG
Zasieg terytorialny: Z
Afiliacja: praca afiliowana w P¦l.
Informacje o dostępie open-access: open-access-text-version: FINAL_PUBLISHED open-access-licence: CC-BY open-access-release-time: AT_PUBLICATION open-access-article-mode: OPEN_JOURNAL
Dostęp on-line:


4/6
Nr opisu: 0000135875
Tytuł oryginału: Research on a LSTM based method of forecasting primary frequency modulation of grid
Autorzy: S. Lei, L. Wang, W. Cui, Marcin WoĽniak, Dawid Połap.
¬ródło: -J. Internet Technol. 2020 vol. 21 no. 3, s. 791-798, bibliogr. 18 poz.
Impact Factor: 0.786
Punktacja MNiSW: 40.000
p-ISSN: 1607-9264
e-ISSN: 2079-4029
DOI:
Słowa kluczowe polskie: siatka ; częstotliwo¶ć ; LSTM ; przetwarzanie danych
Słowa kluczowe angielskie: grid ; frequency ; LSTM ; data processing
Typ publikacji: A
Język publikacji: ENG
Zasieg terytorialny: Z
Afiliacja: praca afiliowana w P¦l.
Dostęp on-line:


5/6
Nr opisu: 0000138162
Tytuł oryginału: Using the LSTM network to forecast the demand for electricity in Poland
Autorzy: Anna Manowska.
¬ródło: -Appl. Sci. 2020 vol. 10 iss. 23, s. 1-16, bibliogr. 32 poz.
Impact Factor: 2.474
Punktacja MNiSW: 70.000
p-ISSN: 2076-3417
DOI:
Słowa kluczowe polskie: prognozowanie długoterminowe ; zużycie energii elektrycznej ; szereg czasowy ; nauczanie maszynowe ; sztuczne sieci neuronowe ; LSTM
Słowa kluczowe angielskie: long-term forecasting ; electricity consumption ; time series ; machine learning ; artificial neural networks ; LSTM
Typ publikacji: A
Język publikacji: ENG
Zasieg terytorialny: Z
Afiliacja: praca afiliowana w P¦l.
Informacje o dostępie open-access: open-access-text-version: FINAL_PUBLISHED open-access-licence: CC-BY open-access-release-time: AT_PUBLICATION open-access-article-mode: OPEN_JOURNAL
Dostęp on-line:


6/6
Nr opisu: 0000138298
Tytuł oryginału: Using the LSTM network to forecast the demand for hard coal
Tytuł w wersji polskiej: Wykorzystanie sieci LSTM do prognozowania zapotrzebowania na węgiel kamienny
Autorzy: Anna Manowska.
¬ródło: -Gosp. Sur. Miner. 2020 vol. 36 iss. 4, s. 33-48, bibliogr. 25 poz.
Impact Factor: 0.588
Punktacja MNiSW: 70.000
p-ISSN: 0860-0953
e-ISSN: 2299-2324
DOI:
Słowa kluczowe polskie: szeregi czasowe ; analiza składowych głównych ; sztuczne sieci neuronowe ; LSTM ; sprzedaż węgla kamiennego
Słowa kluczowe angielskie: time series ; principal component analysis ; artificial neural networks ; LSTM ; sales of hard coal
Typ publikacji: A
Język publikacji: ENG
Zasieg terytorialny: K
Afiliacja: praca afiliowana w P¦l.
Lokalizacja ¬ródła: P¦l. sygn. P.4338
Dostęp on-line:


stosuj±c format:
Nowe wyszukiwanie