基于图神经网络和注意力的每小时太阳辐射预测的可解释深度学习模型(APPLIED ENERGY 2022)

上传者: 43537420 | 上传时间: 2022-10-11 16:05:18 | 文件大小: 1.84MB | 文件类型: ZIP
在本研究中,我们提出了一种基于自我关注的区域流感预测模型,称为SAIFlu-Net。该模型利用一个较长的短期记忆网络来提取每个区域的时间序列模式,并利用自我注意机制来发现发生模式之间的相似性。为了评估其性能,我们使用每周区域流感数据集对现有的预测模型进行了广泛的实验。结果表明,该模型在均方根误差和皮尔逊相关系数方面均优于其他模型。

文件下载

资源详情

[{"title":"( 3 个子文件 1.84MB ) 基于图神经网络和注意力的每小时太阳辐射预测的可解释深度学习模型(APPLIED ENERGY 2022)","children":[{"title":"Interpretable deep learning models for hourly solar radiation prediction(APPLIED ENERGY 2022).pdf <span style='color:#111;'> 1.96MB </span>","children":null,"spread":false},{"title":"基于图神经网络和注意力的每小时太阳辐射预测的可解释深度学习模型(APPLIED ENERGY 2022).png <span style='color:#111;'> 273.09KB </span>","children":null,"spread":false},{"title":"基于图神经网络和注意力的每小时太阳辐射预测的可解释深度学习模型(APPLIED ENERGY 2022).doc <span style='color:#111;'> 7.45KB </span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明