English(EN) Behaviour-Conditioned Neural Processes for Adaptive Residential Short-Term Load Forecasting

新型神经过程模型提升住宅负荷预测能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-20 04:00

研究人员开发了一种新的行为条件注意力神经过程（ANP）框架，用于住宅环境中的短期负荷预测。该模型将推断出的行为结构直接嵌入预测机制，使其能够适应异构的家庭需求和日常习惯。在智能电网、智慧城市（SGSC）数据集上的实验表明，与无标签的ANP基线相比，所提出的ANP变体在平均绝对误差（MAE）和连续排名概率得分（CRPS）方面有所提高，尤其是在上下文有限的情况下。 AI

影响通过更好地考虑个体家庭行为，该模型可以提高智能电网中能源负荷预测的准确性和适应性。

排序理由该集群包含一篇详细介绍用于特定预测任务的新型机器学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍用于特定预测任务的新型机器学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 72 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Ramin Soleimani, Andrea Visentin, Dirk Pesch · 2026-07-20 04:00

用于自适应住宅短期负荷预测的行为条件神经过程

arXiv:2607.16168v1 Announce Type: new Abstract: Residential short-term load forecasting (STLF) is challenging because household demand is heterogeneous, temporally variable, and shaped by diverse behavioural routines. This work investigates whether inferred behavioural structure …

本文如何被排名

报道来源 [1]

用于自适应住宅短期负荷预测的行为条件神经过程

相关实体

相关话题