PulseAugur
中
实时 12:00:54
English(EN) EnergyMamba: An Uncertainty-Aware Graph-Enhanced Selective State Space Model for Energy Consumption Prediction

EnergyMamba模型通过空间和不确定性感知能力提升能源预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了EnergyMamba，一个旨在通过整合空间依赖性和时间动态来改进能源消耗预测的新框架。该模型利用图增强选择性状态空间模型来整合电网拓扑，并利用自适应序列共形分位数回归模块进行不确定性估计。在真实数据集上的评估表明，与现有方法相比，EnergyMamba具有更高的准确性和可靠性。 AI

影响 为能源预测引入了一种新颖的时空建模方法，提高了准确性和不确定性量化能力。

排序理由 这是一篇详细介绍能源消耗预测新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Dahai Yu, Rongchao Xu, Lin Jiang, Guang Wang ·

    EnergyMamba: An Uncertainty-Aware Graph-Enhanced Selective State Space Model for Energy Consumption Prediction

    arXiv:2606.00506v1 Announce Type: new Abstract: Energy consumption prediction is essential for efficient grid management, demand-side optimization, and sustainable energy planning. Although advanced machine learning methods have been employed for better prediction performance, ex…

相关话题