Dept. of Network Design, Meiji Univ., Tokyo, Japan;
Bayes methods; Gaussian processes; belief networks; pattern clustering; power engineering computing; power markets; power transmission economics; pricing; smart power grids; support vector machines; GP technique; LMP forecasting; Mahalanobis kernel; SVM; approximate nonlinear system; clustering k-means method; economic efficiency maintaining; electricity buying; electricity flow; electricity selling; electricity supply; hierarchical Bayesian estimation; locational marginal pricing forecasting; marginal cost; power dema;
机译:一种用于短期风速预测和分析的强大组合方法-使用GPR(ARIMA(自回归综合移动平均值),ELM(极限学习机),SVM(支持向量机)和LSSVM(最小二乘SVM)预测进行组合高斯过程回归模型
机译:使用与深度无关的分辨率恢复时,对123I DAT SPECT图像进行高斯预滤波。
机译:使用与深度无关的分辨率恢复时的I-123 DAT SPECT图像的高斯预滤波
机译:LMP预测预测高斯加工
机译:用于数据分析和概率预测的贝叶斯元高斯模型。
机译:使用高斯过程模型预测首尔大都市区颗粒物质浓度
机译:预滤波高斯重建在BodyCentered立方网格上采样体积数据的高质量渲染