-
基于Transformer模型的電力負(fù)荷預(yù)測
摘要:根據(jù)已知的歷史用電需求來預(yù)測未來的用電需求是電網(wǎng)穩(wěn)定且經(jīng)濟(jì)運(yùn)行的重要一環(huán)。針對現(xiàn)有電力負(fù)荷預(yù)測方法存在無法準(zhǔn)確長期預(yù)測的問題,提出一種新的基于TranSformer模型的電力負(fù)荷預(yù)測模型。該方法在循環(huán)神經(jīng)網(wǎng)絡(luò)可以捕捉用電負(fù)荷短期依賴的基礎(chǔ)上,通過編碼器-解碼器結(jié)構(gòu)很好地捕捉了電力負(fù)荷的長期依賴特征:通過建立電力負(fù)荷數(shù)據(jù)集,訓(xùn)練得到了具備精準(zhǔn)預(yù)測能力的TranSformer模型。實驗結(jié)果表明,TranSformer模型具有較高的預(yù)測精度,隨著預(yù)測時間巨幅增加,預(yù)測誤差只出現(xiàn)了微小累積,該模型較好地預(yù)測了電力負(fù)荷可能出現(xiàn)的波動,且無時滯效應(yīng)。
-
人工神經(jīng)網(wǎng)絡(luò)算法的原理是什么？
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)簡稱神經(jīng)網(wǎng)絡(luò)(NN)，是基于生物學(xué)中神經(jīng)網(wǎng)絡(luò)的基本原理，在理解和抽象了人腦結(jié)構(gòu)和外界刺激響應(yīng)機(jī)制后，以網(wǎng)絡(luò)拓?fù)渲R為理論基礎(chǔ)，模擬人腦的神經(jīng)系統(tǒng)對復(fù)雜信息的處理機(jī)制的一種數(shù)學(xué)模型。
-
機(jī)器學(xué)習(xí)的經(jīng)典代表算法總結(jié)（二）
從1990到2012年，機(jī)器學(xué)習(xí)逐漸走向成熟和應(yīng)用，在這20多年里機(jī)器學(xué)習(xí)的理論和方法得到了完善和充實，可謂是百花齊放的年代。代表性的重要成果有：支持向量機(jī)(SVM，1995)、AdaBoost算法(1997)、循環(huán)神經(jīng)網(wǎng)絡(luò)和LSTM(1997)、流形學(xué)習(xí)(2000)、隨機(jī)森林(2001)。
-
將人工智能與物聯(lián)網(wǎng)等行業(yè)高效地結(jié)合發(fā)展！
2019年，我國大數(shù)據(jù)與人工智能產(chǎn)業(yè)保持快速增長態(tài)勢，但仍面臨行業(yè)應(yīng)用不充分、企業(yè)規(guī)模小、發(fā)展不均衡等問題。在國家發(fā)展改革委、科技部等九部門聯(lián)合印發(fā)的《“十三五”現(xiàn)代服務(wù)業(yè)發(fā)展規(guī)劃》中明確指出，推動大數(shù)據(jù)與人工智能在現(xiàn)代服務(wù)業(yè)深度融合發(fā)展，鼓勵社會力量建設(shè)創(chuàng)新創(chuàng)業(yè)平臺。同時指出，鼓勵和引導(dǎo)社會資本加大對數(shù)據(jù)資源的開發(fā)應(yīng)用力度，推動大數(shù)據(jù)與人工智能產(chǎn)業(yè)創(chuàng)新發(fā)展。這也讓人工智能再次成為焦點。
-
人工智能技術(shù)在空調(diào)負(fù)荷計算中的應(yīng)用初探
摘要:結(jié)合工程實際情況,介紹了空調(diào)負(fù)荷的人工神經(jīng)網(wǎng)絡(luò)計算模型,并對該模型進(jìn)行了仿真驗證。分析表明,該模型具有一定的準(zhǔn)確度,適合相關(guān)工程領(lǐng)域的應(yīng)用。
-
人工智能將成為我們的助手而不是對手！
當(dāng)我們不可阻擋地朝著自動化的未來邁進(jìn)，而人工智能又幾乎擁有無限可能時，我們必須搞清楚這一新興技術(shù)的道德影響，并解決出現(xiàn)在我們面前的前所未有的法律和社會挑戰(zhàn)。
-
基于特征提取模式的腦電信號分析方式
摘要:腦機(jī)接口是腦電信號識別的重要研究方向,正確區(qū)分腦電信號是將思維意識轉(zhuǎn)化為外圍設(shè)備具體動作的根本前提?，F(xiàn)重點分析了一種基于特征提取模式的腦電信號分類識別方法,致力于有效提升分類的精度。首先利用功率譜模型提取腦電信號的時頻特征,并將其作為人工神經(jīng)網(wǎng)絡(luò)的樣本集及測試集,然后搭建多層反向傳播網(wǎng)絡(luò),再利用LMS改進(jìn)算法進(jìn)行訓(xùn)練,最終得到分類識別結(jié)果。經(jīng)實驗證明,該腦電信號識別方法的分類效果良好。
-
區(qū)塊鏈?zhǔn)欠駮氐窤I人工智能的覆轍？
“我看著現(xiàn)在的區(qū)塊鏈，就跟16年看AI一樣”，周圍朋友曾不止一次發(fā)出這樣的感嘆。
-
機(jī)器學(xué)習(xí)算法盤點：人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)
機(jī)器學(xué)習(xí)無疑是當(dāng)前數(shù)據(jù)分析領(lǐng)域的一個熱點內(nèi)容。很多人在平時的工作中都或多或少會用到機(jī)器學(xué)習(xí)的算法。這里我們將為您總結(jié)一下常見的機(jī)器學(xué)習(xí)算法，以供您在工作和學(xué)習(xí)中參考。 機(jī)器學(xué)習(xí)的
-
最接近人腦的智能學(xué)習(xí)方法深度學(xué)習(xí)，你了解多少？
摘要： 深度學(xué)習(xí)可以完成需要高度抽象特征的人工智能任務(wù)，如語音識別、圖像識別和檢索、自然語言理解等。深層模型是包含多個隱藏層的人工神經(jīng)網(wǎng)絡(luò)，多層非線性結(jié)構(gòu)使其具備強(qiáng)大的特征表達(dá)能力和對復(fù)雜任務(wù)建
-
人工智能什么時候能有人類水平
人工智能行業(yè)領(lǐng)域的許多人都提出了這樣一個問題：機(jī)器什么時候會達(dá)到人類的智能水平？ 比爾·蓋茨說，“我們總是高估未來兩年將發(fā)生的變化，并低估未來十年將發(fā)生的變化?！? 人工智能概念的
-
用虛擬老鼠模擬神經(jīng)網(wǎng)絡(luò)，完成4種復(fù)雜任務(wù)
人工智能,簡稱AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的技術(shù)科學(xué)。智東西5月9日消息，近日，谷歌旗下AI企業(yè)DeepMind和哈佛大學(xué)的研究人員用AI技術(shù)創(chuàng)造出一只虛擬3D老鼠，這只老鼠能夠完成跳躍、覓食、逃跑、擊球等多項復(fù)雜任務(wù)。這項研究或有助于增進(jìn)人類對生物神經(jīng)系統(tǒng)的理解。
-
AI芯片又有新突破，科學(xué)家制出“人工神經(jīng)元網(wǎng)絡(luò)”芯片
近年來在科學(xué)家和研究人員的不懈努力下，醫(yī)學(xué)領(lǐng)域和人工智能領(lǐng)域取得了一些驚人的飛躍，例如國內(nèi)科學(xué)家首次成功克隆了猴子;萊斯大學(xué)3D打印了呼吸器官。近日由明斯特大學(xué)、牛津大學(xué)和?？巳卮髮W(xué)組成的科研團(tuán)隊創(chuàng)建了包含類似于人類大腦“人工神經(jīng)元網(wǎng)絡(luò)”的芯片。利用光的力量，這些人工神經(jīng)元可以模擬人類真實神經(jīng)元以及突觸的基本行為。
