| 标题 |
  Comparative study of long short-term memory (LSTM), bidirectional LSTM, and traditional machine learning approaches for energy consumption prediction 长短期记忆（LSTM）、双向LSTM和传统机器学习方法在能耗预测中的比较研究
相关领域
自回归积分移动平均
计算机科学
均方误差
平均绝对百分比误差
人工智能
时间序列
人工神经网络
机器学习
自回归模型
循环神经网络
标杆管理
期限（时间）
深度学习
计量经济学
统计
数学
营销
业务
物理
量子力学
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Energy Exploration & Exploitation 作者：Hamed Alizadegan; Behzad Rashidi Malki; Arian Radmehr; Hossein Karimi; Mohsen Asghari Ilani 出版日期：2024-08-25 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
DW
无极微光
Nole
共产主义战士
秋风
Ali
v0id
爱吃樱桃的菁菁
学术文献互助
xing_xing
科研狗
nimtewang
罗Eason
fx
和云流彩
cdercder
渡人舟
aajhajkahna
潇洒的惋清
我能私信骂你吗
皖公网安备34019202002308
