Mejorando la predicción de carga a corto plazo con redes neuronales convolucionales de múltiples escalas y mecanismos de atención de múltiples cabezas basados en transformadores
Autores: Ding, Sheng; He, Dongyi; Liu, Guiran
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Mejorando la predicción de carga a corto plazo con redes neuronales convolucionales de múltiples escalas y mecanismos de atención de múltiples cabezas basados en transformadores
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Enfoque
Pronóstico de series temporales
Redes neuronales convolucionales
Módulos Transformer
Dependencias espacio-temporales
Autoatención
Bloque Transformer
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
Esta investigación presenta un enfoque original para la predicción de series temporales a través del uso de redes neuronales convolucionales multiescala con módulos Transformer. El objetivo es centrarse en las limitaciones de la predicción de carga a corto plazo en términos de dependencias espacio-temporales complejas.
Descripción
Esta investigación presenta un enfoque original para la predicción de series temporales a través del uso de redes neuronales convolucionales multiescala con módulos Transformer. El objetivo es centrarse en las limitaciones de la predicción de carga a corto plazo en términos de dependencias espacio-temporales complejas.