Solar irradiance estimation using the Echo State Network and the Flexible Neural Tree

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F14%3A86096561" target="_blank" >RIV/61989100:27240/14:86096561 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27740/14:86096561

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-07776-5_49" target="_blank" >http://dx.doi.org/10.1007/978-3-319-07776-5_49</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-07776-5_49" target="_blank" >10.1007/978-3-319-07776-5_49</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Solar irradiance estimation using the Echo State Network and the Flexible Neural Tree

Popis výsledku v původním jazyce

Two popular models for solving temporal learning problems are the Flexible Neural Tree (FNT) and the Echo State Network (ESN). Both models belong to the the Neural Network area. The ESN is based in the projection of a recurrent neural network to model the temporal dependencies of the data. The FNT uses heuristic techniques for finding a tree topology and its parameters. There are several examples in the Machine Learning literature that shown the success for solving learning tasks of both techniques. Inthis paper, we have studied the performance of these methods in a specific data set about renewable energy. (C) Springer International Publishing Switzerland 2014.

Název v anglickém jazyce

Solar irradiance estimation using the Echo State Network and the Flexible Neural Tree

Popis výsledku anglicky

Two popular models for solving temporal learning problems are the Flexible Neural Tree (FNT) and the Echo State Network (ESN). Both models belong to the the Neural Network area. The ESN is based in the projection of a recurrent neural network to model the temporal dependencies of the data. The FNT uses heuristic techniques for finding a tree topology and its parameters. There are several examples in the Machine Learning literature that shown the success for solving learning tasks of both techniques. Inthis paper, we have studied the performance of these methods in a specific data set about renewable energy. (C) Springer International Publishing Switzerland 2014.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/ED1.1.00%2F02.0070" target="_blank" >ED1.1.00/02.0070: Centrum excelence IT4Innovations</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2014

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Advances in Intelligent Systems and Computing. Volume 297

ISBN

978-3-319-07775-8

ISSN

2194-5357

e-ISSN

—

Počet stran výsledku

10

Strana od-do

475-484

Název nakladatele

Springer

Místo vydání

Basel

Místo konání akce

Shenzhen

Datum konání akce

13. 6. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—