Andere Kunden interessierten sich auch für
![Nouveau système de prédiction des maladies utilisant des techniques hybrides d'apprentissage profond]( "Nouveau système de prédiction des maladies utilisant des techniques hybrides d'apprentissage profond")
Nouveau système de prédiction des maladies utilisant des techniques hybrides d'apprentissage profond51,99 €![Élaboration d'un modèle prédictif de l'état de l'épidémie de VIH/SIDA à l'aide d'une machine]( "Élaboration d'un modèle prédictif de l'état de l'épidémie de VIH/SIDA à l'aide d'une machine")
Élaboration d'un modèle prédictif de l'état de l'épidémie de VIH/SIDA à l'aide d'une machine29,99 €![Application de l'intelligence artificielle à la super résolution d'images]( "Application de l'intelligence artificielle à la super résolution d'images")
Application de l'intelligence artificielle à la super résolution d'images55,99 €![DeepCOPD : détection de la BPCO grâce au deep learning]( "DeepCOPD : détection de la BPCO grâce au deep learning")
DeepCOPD : détection de la BPCO grâce au deep learning29,99 €![Reconnaissance de l'activité humaine grâce à l'apprentissage profond]( "Reconnaissance de l'activité humaine grâce à l'apprentissage profond")
Reconnaissance de l'activité humaine grâce à l'apprentissage profond44,99 €![Algorithmes d'IA pour la classification et la prédiction des maladies des plants de tomates]( "Algorithmes d'IA pour la classification et la prédiction des maladies des plants de tomates")
Algorithmes d'IA pour la classification et la prédiction des maladies des plants de tomates51,99 €![Raisonnement à partir de scénarios]( "Raisonnement à partir de scénarios")
Raisonnement à partir de scénarios69,99 €
Ce livre vise à développer un nouveau modèle de préversion de RSG basé sur l'apprentissage profond. Cette approche sera capable de stimuler la précision de prédiction des données RSG. Par la suite, le présent algorithme proposé gère efficacement la dynamique de notre composante météorologique ciblée par l'intégration d'un modèle récurrent et dynamique nommé réseau de neurones LSTM avec un processus autorégressif. Les données brutes disponibles pour la formation de ce modèle sont divisées en deux ensembles, la première est employée pour la phase d'entrainement tandis que la deuxième est réservée au test. L'objectif spécifique donc est de générer des prévisions précises de RSG semi-horaire au niveau de la ville d'Er-Rachidia, MAROC (Latitude: 31°55'53 N ; Longitude: 4°25'35 O; L'altitude: 1039 m), tout en adoptant un algorithme d'apprentissage performant nommé Adam. Les indices et les résultats établis dans cette étude démontrent la robuste et la confiance qu'on peut adopter à ce modèle qui peut fournir aux gestionnaires de réseaux électriques des prévisions fiables afin d'assurer une meilleure gestion des systèmes énergétique solaire et de service de l'électricité.