ارائه یک روش ترکیبی مبتنی بر تبدیل موجک گسسته برای پیش بینی بار الکتریکی با استفاده از یک مدل دوبعدی
Abstract
No abstract recorded for this item.
Similar items
ارائه یک روش ترکیبی مبتنی بر تبدیل موجک گسسته برای پیشبینی بار الکتریکی با استفاده از یک مدل دوبعدی
چکیده: پیشبینی میزان تقاضای انرژی الکتریکی و شناسایی روند تغییرات آن، عامل کلیدی و مؤثری در برنامهریزی، طراحی و بهرهبرداری از شبکه قدرت است. بیگمان آگاهی از میزان مصرف انرژی الکتریکی، اساس و زیربنای برنامهریزی و تصمیمگیری در سیستمهای قدرت است. در این مقاله با معرفی روش ترکیبی تبد
بهره برداری هاب انرژی با استفاده از روش کنترل پیش بین مبتنی بر مدل مقاوم با در نظر گرفتن خطای پیش بینی بار الکتریکی
چکیده: در سیستم چند حامله انرژی، نقاطی فیزیکی بنام هاب انرژی وجود دارند که محل تحویل انرژی به مصرفکننده بوده و امکان تبدیل و ذخیرهسازی انرژی را نیز دارند. امروزه کنترل پیش بین مبتنی بر مدل روشی مؤثر در کنترل این سامانه محسوب میشود اما این روش توانایی رویارویی با عدم قطعیت سام
بهره برداری هاب انرژی با استفاده از روش کنترل پیش بین مبتنی بر مدل مقاوم با در نظر گرفتن خطای پیش بینی بار الکتریکی
چکیده: در سیستم چند حامله انرژی، نقاطی فیزیکی بنام هاب انرژی وجود دارند که محل تحویل انرژی به مصرفکننده بوده و امکان تبدیل و ذخیرهسازی انرژی را نیز دارند. امروزه کنترل پیش‌بین مبتنی بر مدل روشی مؤثر در کنترل این سامانه محسوب میشود اما این روش توانایی رویارویی با عدم قطعیت سامانه
شناسایی خودکار مراحل خواب از سیگنال EEG تک‌کاناله با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و شبکه‌ی عصبی مبتنی بر طبقهبند RUSBoost
طبقه‌بندی خودکار مراحل خواب به منظور تشخیص به موقع اختلالات و مطالعات مرتبط با خواب امری ضروری است. در این مقاله یک الگوریتم مبتنی بر EEG تک‌کاناله برای شناسایی خودکار مراحل خواب با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و شبکه‌ی عصبی مبتنی بر طبقهبند RU
شناسایی خودکار مراحل خواب از سیگنال EEG تک‌کاناله با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم تبرید و شبکه‌ی عصبی
در سال‌های اخیر، استفاده از روشی هوشمند برای تشخیص خودکار مراحل خواب در کاربردهای پزشکی، برای کاهش حجم کار پزشکان در تجزیه و تحلیل داده‌های خواب از طریق بازرسی بصری، یکی از چالش‌های مهم به حساب می‌آید. در این مقاله، الگوریتمی مبتنی بر EEG تک‌کاناله برای شناسایی خودکار مراحل خواب،
ارائه یک مدل تبدیل موجک گسسته کارآمد مبتنی بر سیستم اعداد مانده‌ای
عملکرد سریع تبدیل موجک گسسته از چالش‌های اصلی در فراهم‌کردن کیفیت مناسب برای پردازش سیگنال دیجیتال است. در پیاده‌سازی تبدیل موجک گسسته می‌توان از بانک فیلتر CDF97 با ضرایب صحیح استفاده نمود که این امکان را فراهم می‌کند تا یکی از روش‌های افزایش سرعت، یعنی سیستم عددی مانده‌ای استفا