Buchumschlag

A multi-source data power load forecasting method using attention mechanism-based parallel cnn-gru

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Min, Chao, Wang, Yijia, Zhang, Bo, Ma, Xin, Cui, Junyi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Short-term power load forecasting method based on CNN-SAEDN-Res
von: Cui, Yang, et al.
Veröffentlicht: (2023)

Fast attention mechanisms: a tale of parallelism
von: Liu, Jingwen, et al.
Veröffentlicht: (2025)

Redundant feature screening method for human activity recognition based on attention purification mechanism
von: Li, Xiaoyang, et al.
Veröffentlicht: (2025)

MD-Syn: Synergistic drug combination prediction based on the multidimensional feature fusion method and attention mechanisms
von: Ge, XinXin, et al.
Veröffentlicht: (2025)

Optimization of bi-directional gated loop cell based on multi-head attention mechanism for SSD health state classification model
von: Wen, Zhizhao, et al.
Veröffentlicht: (2025)

A foundation model with multi-variate parallel attention to generate neuronal activity
von: Carzaniga, Francesco, et al.
Veröffentlicht: (2025)

Short-term electricity load forecasting with multi-frequency reconstruction diffusion
von: Dong, Qi, et al.
Veröffentlicht: (2026)

Optimizing cnn-Bigru performance: Mish activation and comparative analysis with Relu
von: Benchama, Asmaa, et al.
Veröffentlicht: (2024)

Ultra-short-term solar power forecasting by deep learning and data reconstruction
von: Wang, Jinbao, et al.
Veröffentlicht: (2025)

CNN-TFT explained by SHAP with multi-head attention weights for time series forecasting
von: Stefenon, Stefano F., et al.
Veröffentlicht: (2025)

Hybrid Deep Learning Model for epileptic seizure classification by using 1D-CNN with multi-head attention mechanism
von: Guhdar, Mohammed, et al.
Veröffentlicht: (2025)

Estimating multi-year 24/7 origin-destination demand using high-granular multi-source traffic data
von: Ma, Wei, et al.
Veröffentlicht: (2019)

Probabilistic forecasting of power system imbalance using neural network-based ensembles
von: Van Gompel, Jonas, et al.
Veröffentlicht: (2024)

FMamba: Mamba based on Fast-attention for Multivariate Time-series Forecasting
von: Ma, Shusen, et al.
Veröffentlicht: (2024)

A DenseNet-based method for decoding auditory spatial attention with EEG
von: Xu, Xiran, et al.
Veröffentlicht: (2023)

Day-ahead regional solar power forecasting with hierarchical temporal convolutional neural networks using historical power generation and weather data
von: Perera, Maneesha, et al.
Veröffentlicht: (2024)

Bias correction of wind power forecasts with SCADA data and continuous learning
von: Jonas, Stefan, et al.
Veröffentlicht: (2024)

Intraday spatiotemporal PV power prediction at national scale using satellite-based solar forecast models
von: Lanzilao, Luca, et al.
Veröffentlicht: (2026)

Easy attention: A simple attention mechanism for temporal predictions with transformers
von: Sanchis-Agudo, Marcial, et al.
Veröffentlicht: (2023)

Distributed solar generation forecasting using attention-based deep neural networks for cloud movement prediction
von: Perera, Maneesha, et al.
Veröffentlicht: (2024)

Approximation of relation functions and attention mechanisms
von: Altabaa, Awni, et al.
Veröffentlicht: (2024)

SolNet: Open-source deep learning models for photovoltaic power forecasting across the globe
von: Depoortere, Joris, et al.
Veröffentlicht: (2024)

Research on short-term load forecasting model based on VMD and IPSO-ELM
von: Xie, Qiang
Veröffentlicht: (2024)

Photovoltaic power forecasting using quantum machine learning
von: Sagingalieva, Asel, et al.
Veröffentlicht: (2023)

Improved Unet brain tumor image segmentation based on GSConv module and ECA attention mechanism
von: Tian, Qiyuan, et al.
Veröffentlicht: (2024)

Your decision path does matter in pre-training industrial recommenders with multi-source behaviors
von: Gan, Chunjing, et al.
Veröffentlicht: (2024)

Relational inductive biases on attention mechanisms
von: Mijangos, Víctor, et al.
Veröffentlicht: (2025)

MSNGO: multi-species protein function annotation based on 3D protein structure and network propagation
von: Wang, Beibei, et al.
Veröffentlicht: (2025)

Learning low-dimensional representations of ensemble forecast fields using autoencoder-based methods
von: Chen, Jieyu, et al.
Veröffentlicht: (2025)

DEDUCE: Multi-head attention decoupled contrastive learning to discover cancer subtypes based on multi-omics data
von: Pan, Liangrui, et al.
Veröffentlicht: (2023)

Segmentation method of U-net sheet metal engineering drawing based on CBAM attention mechanism
von: Song, Zhiwei, et al.
Veröffentlicht: (2022)

OpenFPL: An open-source forecasting method rivaling state-of-the-art Fantasy Premier League services
von: Groos, Daniel
Veröffentlicht: (2025)

Deep learning-based method for weather forecasting: A case study in Itoshima
von: Cheng, Yuzhong, et al.
Veröffentlicht: (2024)

Characterization and forecasting of national-scale solar power ramp events
von: Lanzilao, Luca, et al.
Veröffentlicht: (2026)

Unified CNNs and transformers underlying learning mechanism reveals multi-head attention modus vivendi
von: Koresh, Ella, et al.
Veröffentlicht: (2025)

Spatially-informed transformers: Injecting geostatistical covariance biases into self-attention for spatio-temporal forecasting
von: Calleo, Yuri
Veröffentlicht: (2025)

Online high-precision prediction method for injection molding product weight by integrating time series/non-time series mixed features and feature attention mechanism
von: Li, Maoyuan, et al.
Veröffentlicht: (2025)

Improving the forecast accuracy of wind power by leveraging multiple hierarchical structure
von: English, Lucas, et al.
Veröffentlicht: (2023)

Extreme value forecasting using relevance-based data augmentation with deep learning models
von: Hua, Junru, et al.
Veröffentlicht: (2025)

Efficient mid-term forecasting of hourly electricity load using generalized additive models
von: Zimmermann, Monika, et al.
Veröffentlicht: (2024)