德国再调度预测机器学习基准研究发布
热点事件持续更新
德国再调度预测机器学习基准研究发布
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Faraz Shamim 与 Faris Shamim 发布论文，在最小七天目标延迟约束下评估德国再调度概率预测的机器学习方法。研究使用德国四大输电系统运营商2021至2024年的48242条再调度记录，对比了季节经验、正则化自回归（ARX）、分位数LightGBM、GRU和Transformer模型，并称评估了这些概率预测的准确性与可靠性。论文同时提供了代码链接。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
数据延迟与时间分布偏移下的德国再调度预测机器学习基准报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.LG数据延迟与时间分布偏移下的德国再调度预测机器学习基准
研究在最小七天目标延迟约束下，基于德国四大输电系统运营商2021至2024年的48242条再调度记录，对比了季节经验、ARX、分位数LightGBM、GRU与Transformer模型的概率预测表现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。