实体
Milan Zdravković
Milan Zdravković
PulseAugur coverage of Milan Zdravković — every cluster mentioning Milan Zdravković across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
论文提出可解释人工智能以实现可信赖的热需求预测
一篇新论文介绍了一种事前的可解释人工智能方法，用于评估用于热需求预测的机器学习模型的全局特征重要性。该研究旨在提高这些模型的可解释性和可信赖性，以解决与标准、客户满意度和责任相关的问题。该方法采用四种方法：梯度提升的内在可解释性以及部分依赖、累积局部效应和SHAP等事后方法，而不依赖于特征排列或扰动。
-
人工智能方法解决区域供热系统异常值问题，提高能源效率
研究人员探索了多种用于区域供热系统数据的多变量异常值检测方法，旨在识别运行异常并减少天然气消耗和二氧化碳排放。研究评估了包括Z分数、马氏距离、主成分分析（PCA）、孤立森林和Hotelling T平方检验在内的技术。在专家咨询确认其相关性后，采用了一种结合PCA、孤立森林和Hotelling方法的集成方法作为最终方案。
-
XGBoost 在热能预测研究中表现优于 LSTM
一篇新的研究论文比较了 XGBoost 和长短期记忆 (LSTM) 在区域供热系统中预测热能的性能。研究发现，XGBoost 的表现始终优于 LSTM，尤其是在数据可用性较低的地区。这表明，对于某些时间序列预测任务，传统的机器学习算法可能比深度学习更有效且计算效率更高，从而节省成本并减少环境影响。