...
机译:在深入学习中实现能源系统模型的沉浸式敬爱
能量仿真模型的复杂集合已成为近年来可再生能源研究的重要组成部分。 通常,显着的计算成本,高维结构和其他复杂性阻碍研究人员从充分利用这些数据来源进行知识建设。 国家可再生能源实验室的研究人员开发了一个沉重的可视化工作流程,通过低维结构分析,深度学习和自定义方法的组合来大大提高用户参与和分析能力。 我们为两个能量仿真平台提供案例研究。 p> 摘要>
Computational Sciences CenterNational Renewable Energy LaboratoryGolden Colorado;
Strategic Energy Analysis CenterNational Renewable Energy LaboratoryGolden Colorado;
Computational Sciences CenterNational Renewable Energy LaboratoryGolden Colorado;
Computational Sciences CenterNational Renewable Energy LaboratoryGolden Colorado;
Computational Sciences CenterNational Renewable Energy LaboratoryGolden Colorado;
Power Systems Engineering CenterNational Renewable Energy LaboratoryGolden Colorado;
high‐dimensional data; interactive visualization; neural networks; renewable energy; t‐SNE; Tucker decomposition;
机译:在深入学习中实现能源系统模型的沉浸式敬爱
机译:从内容参与到认知参与:建立沉浸式的基于网络的学习模型以发展自我提问和自学技能
机译:基于深度多任务学习的多能量负荷预测模型和区域综合能源系统的集合方法
机译:系统支持计算机支持的协作学习的系统概述,需要沉浸地位(CSClip)
机译:通过能源系统建模实现可持续经济:太阳能,高效,集成和连续的过程合成和优化
机译:智能建筑共享能源存储系统的隐私保存能源管理:联合深度加强学习方法
机译:在深入学习中实现能源系统模型的沉浸式敬爱