Toggle navigation
Ελληνικά
English
Ελληνικά
Ελληνικά
English
Σύνδεση
Toggle navigation
Προβολή τεκμηρίου
Αρχική Σελίδα
Διατριβές
Μεταπτυχιακές Διατριβές
Τμήμα Ψηφιακών Συστημάτων
Προβολή τεκμηρίου
Αρχική Σελίδα
Διατριβές
Μεταπτυχιακές Διατριβές
Τμήμα Ψηφιακών Συστημάτων
Προβολή τεκμηρίου
JavaScript is disabled for your browser. Some features of this site may not work without it.
Optimizing short-term electricity load predictions : a study of feed-forward and recurrent neural network models
Master Thesis
Συγγραφέας
Kaltsas, Georgios
Καλτσάς, Γεώργιος
Ημερομηνία
2024-09
Επιβλέπων
Filippakis, Michael
Φιλιππάκης, Μιχαήλ
Προβολή/
Άνοιγμα
Master thesis (5.738Mb)
Λέξεις κλειδιά
Electric load demand
;
Recurrent neural networks
;
Short-term forecast
;
Historical electricity usage data
Περίληψη
This thesis aims to focus on the usage of recurrent neural networks (RNNs) for the exact short-term electrical load forecasting in Greece
Τίτλος Προγράμματος Μεταπτυχιακών Σπουδών
Πληροφοριακά Συστήματα και Υπηρεσίες
Τμήμα
Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων
Αριθμός σελίδων
86
Γλώσσα
Αγγλικά
URI
https://dione.lib.unipi.gr/xmlui/handle/unipi/17106
http://dx.doi.org/10.26267/unipi_dione/4529
Συλλογή
Τμήμα Ψηφιακών Συστημάτων
Εμφάνιση πλήρους εγγραφής
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναζήτηση στη Διώνη
Αυτή η συλλογή
Πλοήγηση
Σε όλη τη Διώνη
Κοινότητες & Συλλογές
Ανά ημερομηνία έκδοσης
Συγγραφείς
Επιβλέποντες
Τίτλοι
Θέματα / Λέξεις-κλειδιά
Αυτή η συλλογή
Ανά ημερομηνία έκδοσης
Συγγραφείς
Επιβλέποντες
Τίτλοι
Θέματα / Λέξεις-κλειδιά
Ο λογαριασμός μου
Σύνδεση