Výsledky vyhledávání

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Akademický článek

Predictive modeling for US commercial building energy use: A comparison of existing statistical and machine learning algorithms using CBECS microdata

Autor: Deng, Hengfang ^a, Fannon, David ^{a, b}, Eckelman, Matthew J. ^{a, ⁎}

Publikováno v: In Energy & Buildings 15 March 2018 163:34-43

Zobrazit plný text záznamu

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Akademický článek

INVESTIGATION OF CONSUMER CROSS-BORDER E-COMMERCE SHOPPING IN CHINA USING THE THEORY OF EAM.

Autor: Fengyun Wang^1,2, Mingxia Wei², Hafiz, Khalilah Abd¹ Khalilah_abdhafiz@msu.edu.my, Shengjun Wang³ 03023@zjhu.edu.cn, Lin Huang³, Bo Sun³

Publikováno v: Journal of Eastern European & Central Asian Research. 2024, Vol. 11 Issue 4, p783-795. 13p.

Zobrazit plný text záznamu

Akademický článek

Establishment and characterization of a telomerase-immortalized canine bronchiolar epithelial cell line.

Autor: Xie, Xing¹, Pang, Maoda¹, Liang, Shan¹, Yu, Lei¹, Zhao, Yanbing¹, Ma, Ke¹, Kalhoro, Dildar¹, Lu, Chengping¹, Liu, Yongjie¹ liuyongjie@njau.edu.cn

Publikováno v: Applied Microbiology & Biotechnology. Nov2015, Vol. 99 Issue 21, p9135-9146. 12p.

Zobrazit plný text záznamu

Dissertation/ Thesis

Energy Use Intensities across Building Use Types and Climate Zones using the CBECS dataset

Autor: Kamath, Shreyas Mandar

In this study, we exploredmethods for predicting building natural gas heating use usingelectricity consumption data provided in the CBECS dataset. We performed numerouslayers of subsets and built linear models at each stage predicting natural gas hea

Externí odkaz: http://rave.ohiolink.edu/etdc/view?acc_num=case1586533755964739

Zobrazit plný text záznamu

Conference

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Diagnosis of building energy consumption in the 2012 CBECS data using heterogeneous effect of energy variables: A recursive partitioning approach

Autor: Doowon Choi, Chul Kyung Kim

Publikováno v: Building Simulation. 14:1737-1755

Numerous previous literature has attempted to apply machine learning techniques to analyze relationships between energy variables in energy consumption. However, most machine learning methods are primarily used for prediction through complicated lear

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_________::70da3b02cb95cca4ed1ea4267a484a7b
https://doi.org/10.1007/s12273-021-0777-8

Zobrazit plný text záznamu

Vyhledávací nástroje:

Upřesnit hledání