Wrapper Feature Selection Significantly Improves Nonlinear Prediction of Electricity Spot Prices
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F13%3A00208779" target="_blank" >RIV/68407700:21230/13:00208779 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/SMC.2013.203" target="_blank" >http://dx.doi.org/10.1109/SMC.2013.203</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/SMC.2013.203" target="_blank" >10.1109/SMC.2013.203</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Wrapper Feature Selection Significantly Improves Nonlinear Prediction of Electricity Spot Prices
Popis výsledku v původním jazyce
The paper describes the selection of input delays for Focused Time Delay Neural Network (FTDNN). The problem is understood as a feature subset selection problem, where one looks for a set of features (input delays) that minimizes the mean absolute percentage error. This combinatorial optimization problem is solved using sequential forward search. First, an application of the prediction method to hourly Ontario electricity price forecasting is presented, demonstrating the importance of the feature selection. Although the network with only one hidden unit was used, the wrapper based feature selection caused that it outperforms all state-of the art approaches considered for comparison.
Název v anglickém jazyce
Wrapper Feature Selection Significantly Improves Nonlinear Prediction of Electricity Spot Prices
Popis výsledku anglicky
The paper describes the selection of input delays for Focused Time Delay Neural Network (FTDNN). The problem is understood as a feature subset selection problem, where one looks for a set of features (input delays) that minimizes the mean absolute percentage error. This combinatorial optimization problem is solved using sequential forward search. First, an application of the prediction method to hourly Ontario electricity price forecasting is presented, demonstrating the importance of the feature selection. Although the network with only one hidden unit was used, the wrapper based feature selection caused that it outperforms all state-of the art approaches considered for comparison.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JC - Počítačový hardware a software
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GP13-21696P" target="_blank" >GP13-21696P: Selekce příznaků pro modely vícedimenzionálních časových řad uvažující časový kontext</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings 2013 IEEE International Conference on Systems, Man, and Cybernetics
ISBN
978-0-7695-5154-8
ISSN
—
e-ISSN
—
Počet stran výsledku
4
Strana od-do
1171-1174
Název nakladatele
IEEE
Místo vydání
Piscataway
Místo konání akce
Manchester
Datum konání akce
13. 10. 2013
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—