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

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

Deep learning pour la prévision spatio-temporelle-application à la production photovoltaïque

Autor: Le Guen, Vincent

This thesis tackles the subject of spatio-temporal forecasting with deep learning.The motivating application at Electricity de France (EDF) is short-term solar energy forecastingwith fisheye images. We explore two main research directions for improvi

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=od_______166::14878425eeaecb4cb23312bf83a06165
https://theses.hal.science/tel-03590356v3

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

Shape and Time Distortion Loss for Training Deep Time Series Forecasting Models

Autor: Le Guen, Vincent, Thome, Nicolas

Publikováno v: Advances in Neural Information Processing Systems 32 (NeurIPS 2019)
Advances in Neural Information Processing Systems 32 (NeurIPS 2019), Dec 2019, Vancouver, Canada

International audience; This paper addresses the problem of time series forecasting for non-stationarysignals and multiple future steps prediction. To handle this challenging task, weintroduce DILATE (DIstortion Loss including shApe and TimE), a new

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_dedup___::f802e5de680462177ccac128ae0a63bc
http://arxiv.org/abs/1909.09020