| 标题 |
Privacy-preserving transfer learning framework for building energy forecasting with fully anonymized data 相关领域
计算机科学
学习迁移
元数据
可扩展性
软件部署
人工智能
楼宇自动化
机器学习
余弦相似度
高效能源利用
重新使用
特征学习
工具箱
信息隐私
数据聚合器
传感器融合
数据建模
试验台
数据挖掘
数据共享
相似性(几何)
带宽(计算)
公制(单位)
方案(数学)
能量(信号处理)
冗余(工程)
无监督学习
源代码
重新调整用途
深度学习
代表(政治)
知识转移
数据传输
众包
分布式计算
特征选择
主动学习(机器学习)
联合学习
编码(集合论)
选择(遗传算法)
|
| 网址 | |
| DOI | |
| 其它 |
期刊:Applied Energy 作者:Wonjun Choi; Sangwon Lee; Max Langtry; R. Choudhary 出版日期:2026-06-01 |
| 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)