您当前的位置：
首页 >
文章列表页 >
基于多任务学习的短期风能发电功率预测研究
人工智能 | 更新时间：2025-04-14

    • 基于多任务学习的短期风能发电功率预测研究

    • Research on Short-Term Wind Power Prediction Based on Multi-Task Learning

    • “在风能发电领域，研究人员提出了一种硬参数共享的多任务学习模型，通过跨维度—时间依赖混合编码模块和多尺度信息编码模块，显著提高了短期风能发电功率预测的准确性。”
    • 软件导刊   2025年24卷第4期 页码：32-41

    • DOI：10.11907/rjdk.241830    

      中图分类号： TP301.6

    • 收稿日期：2024-09-27，

      纸质出版日期：2025-04-15

    移动端阅览

  • 杜明山,张海清,李代伟等.基于多任务学习的短期风能发电功率预测研究[J].软件导刊,2025,24(04):32-41. DOI： 10.11907/rjdk.241830.

    DU Mingshan,ZHANG Haiqing,LI Daiwei,et al.Research on Short-Term Wind Power Prediction Based on Multi-Task Learning[J].Software Guide,2025,24(04):32-41. DOI： 10.11907/rjdk.241830.

  •  
  •  

0

浏览量

0

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

MCPD：结合预训练与去噪图卷积网络的多任务学习推荐模型
融合偏好传播的多任务推荐模型研究
多维连续空间的多任务表情识别研究
基于深度学习多任务与标签分布的年龄估计研究

相关作者

范钰敏
袁卫华
王龙霄
孙倩
杨本臣
叶洪宇
孟祥福
霍奕

相关机构

山东建筑大学 计算机科学与技术学院
香港城市大学 理学院
辽宁工程技术大学 软件学院
辽宁工程技术大学 电子与信息工程学院
北京联合大学师范学院 教育信息技术系
0