-
基于遷移學(xué)習(xí)的電力負荷預(yù)測研究
摘要:電力負荷預(yù)測是智能電網(wǎng)建設(shè)的基礎(chǔ),對我國未來碳計量工作具有重要作用?；谥悄芩惴ǖ碾娏ω摵深A(yù)測需要大量的歷史數(shù)據(jù)作為模型訓(xùn)練樣本,而新建城區(qū)或電力計量基礎(chǔ)較為落后地區(qū),難以收集大量準確的歷史數(shù)據(jù)用于訓(xùn)練模型,導(dǎo)致難以準確進行電力負荷預(yù)測。現(xiàn)通過深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建電力負荷預(yù)測模型,并基于遷移學(xué)習(xí)算法構(gòu)建既有建筑電力數(shù)據(jù)和新建建筑電力負荷間的聯(lián)系,通過既有建筑負荷歷史數(shù)據(jù)訓(xùn)練所得模型來預(yù)測新建建筑電力負荷,以南京市某辦公建筑為例驗證所構(gòu)建的負荷預(yù)測模型,預(yù)測誤差可保持在7.8%以內(nèi),所提出的電力負荷預(yù)測方法可為實際電力負荷預(yù)測計量提供參考。
-
一種基于遷移極速學(xué)習(xí)機的人體行為識別模型
摘 要：為了解決由于每個用戶的行為都有自身的特點和習(xí)慣，加之手機放置位置和方向的不確定性及多樣性所導(dǎo)致的通用模型識別率低的問題，文章提出了利用TrELM（Transfer Extreme Learning Machine）算法實現(xiàn)遷移學(xué)習(xí)，并基于智能手機中內(nèi)置的加速度傳感器進行信息采集并通過機器學(xué)習(xí)方法構(gòu)建人體行為識別模型。該方法是一種基于參數(shù)遷移的方法，通過對ELM的目標函數(shù)進行修改，引入一個可以表示兩域差異的遷移學(xué)習(xí)量，從而實現(xiàn)ELM模型的遷移學(xué)習(xí)。實驗結(jié)果表明， 該模型可以有效的提高新用戶的行為識別正確率。
-
什么是遷移學(xué)習(xí)？遷移學(xué)習(xí)的實現(xiàn)方法與工具分析
深度學(xué)習(xí)主要強調(diào)的是特征，強化學(xué)習(xí)主要強調(diào)的是反饋，而遷移學(xué)習(xí)主要強調(diào)的是適應(yīng)。 之前介紹過人工智能之機器學(xué)習(xí)算法有前5大類內(nèi)容，具體請參見相關(guān)文章。今天我們重點探討一下第6
-
英偉達DLI和遷移學(xué)習(xí)將推動醫(yī)療跨科整合
人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)這三個不斷被深入開發(fā)的技術(shù)，醫(yī)療影像的大數(shù)據(jù)分析用得上、在醫(yī)院的病患分析人臉辨識也用得上、而在B2C端的在線皮膚狀況檢測也用得上。英偉達解決方案架構(gòu)暨工程副總裁Mar
-
下一個AI寒冬的隱患如何去解決
“我現(xiàn)在就在做一線的事情，防止（人工智能）冷下去?！碑敱粏柤把巯逻@一波人工智能熱潮是否會像歷史上的幾波一樣曇花一現(xiàn)，國際人工智能理事會（IJCAI）主席、香港科技大學(xué)計算機科學(xué)與工程系主任楊強這
-
區(qū)塊鏈數(shù)據(jù)集有怎樣的機器學(xué)習(xí)方法
使用機器學(xué)習(xí)來分析區(qū)塊鏈數(shù)據(jù)集是一個令人著迷的挑戰(zhàn)。區(qū)塊鏈數(shù)據(jù)集除了具有不可思議的潛力，可以幫助我們了解加密貨幣資產(chǎn)的行為，但是這對機器學(xué)習(xí)的實踐者提出了非常獨特的挑戰(zhàn)。然而這些挑戰(zhàn)被轉(zhuǎn)化為大多
-
如何使用機器學(xué)習(xí)來分析區(qū)塊鏈數(shù)據(jù)集
使用機器學(xué)習(xí)來分析區(qū)塊鏈數(shù)據(jù)集是一個令人著迷的挑戰(zhàn)。區(qū)塊鏈數(shù)據(jù)集除了具有不可思議的潛力，可以幫助我們了解加密貨幣資產(chǎn)的行為，但是這對機器學(xué)習(xí)的實踐者提出了非常獨特的挑戰(zhàn)。然而這些挑戰(zhàn)被轉(zhuǎn)化為大多
-
使用AI技術(shù)有哪一些障礙
人工智能就像個不斷移動的標靶，而企業(yè)要做的就是努力“正中靶心”。 當然，當我們看到Alexa、Siri以及AlphaGO不斷占據(jù)新聞頭條的同時，不得不承認的另一個現(xiàn)實情況是——包括機器學(xué)
-
人工智能遷移學(xué)習(xí) 規(guī)范化的使用與相關(guān)運用領(lǐng)域的限制必不可少
漫畫，對于許多人來說是童年不可或缺的美好記憶，而提到漫畫，手冢治蟲又是一個必須要提及的名字，他的粉絲更是遍布了各個年齡層。盡管，其中有一定數(shù)量的人并沒有經(jīng)歷過手冢治蟲連載漫畫的那個年代，但是，其
-
如何讓深度學(xué)習(xí)變得簡單
在不遠的過去，數(shù)據(jù)科學(xué)團隊需要一些東西來有效地利用深度學(xué)習(xí)： 新穎的模型架構(gòu)，很可能是內(nèi)部設(shè)計的 訪問大型且可能是專有的數(shù)據(jù)集 大規(guī)模模型訓(xùn)練所需的硬件或資金 這
-
優(yōu)勢和缺點同樣明顯的Alexa未來將會走向何方
2018年，亞馬遜Alexa語音助手取得的進步更多來自于廣度而不是深度。記得，亞馬遜在2014年秋季推出了第一款A(yù)I人工智能音響Echo時，當時很多人都不了解Echo的運行機制是怎樣的。從2014年到
Steven767
zbhcqu
zbhcqu
xiaoqihuaihuai
wml30
carl521
a19930615
oo020200220
鑫越電子
chenARM
chenARM
chenARM
chenARM
chenARM
meng__@126.com
上地是蘋果
tianmu354
zhaoyunlong5212
lbxiand
flower_huanghua
