包含课程
- 1594人 学习人数4.7分 课程评分[手把手教学]基于BP神经网络单特征用电负荷预测本课程采用手把手教学的方式,从BP神经网络的算法原理到利用深度学习框架搭建BP神经网络进行用电负荷预测,整个过程会有细致的讲解,让你获得从零基础到熟练利用深度学习框架进行用电负荷预测的能力。1、本课程具有充实的内容,具体课程大纲如下: 2、同时为了有更好的算法原理讲解,课程中配备了大量的算法模型图: 3、关于实战部分,手把手带着大家进行一行一行的敲代码,做到逐行逐句讲解。 4、实战模型的loss图和预测的结果。时间序列预测数据分析keras用电负荷预测深度学习
- 1214人 学习人数4.7分 课程评分[手把手教学]基于RNN、LSTM神经网络单特征用电负荷预测本课程采用手把手教学的方式,从RNN、LSTM神经网络的算法原理到利用深度学习框架搭建RNN、LSTM神经网络进行用电负荷预测,整个过程会有细致的讲解,让你获得从零基础到熟练利用深度学习框架进行用电负荷预测的能力。 1、本课程具有充实的内容,具体课程大纲如下: 2、同时为了有更好的算法原理讲解,课程中配备了大量的算法模型图: 3、关于实战部分,手把手带着大家进行一行一行的敲代码,做到逐行逐句讲解。 4、实战模型的loss图和预测的结果。循环神经网络tensorflowRNNLSTM时间序列预测
- 1657人 学习人数5.0分 课程评分[手把手教学]基于CNN-LSTM神经网络单特征用电负荷预测本课程采用手把手教学的方式,从CNN-LSTM神经网络的算法原理到利用深度学习框架搭建CNN-LSTM神经网络进行用电负荷预测,整个过程会有细致的讲解,让你获得从零基础到熟练利用深度学习框架进行用电负荷预测的能力。1、本课程具有充实的内容,具体课程大纲如下: 2、同时为了有更好的算法原理讲解,课程中配备了大量的算法模型图: 3、关于实战部分,手把手带着大家进行一行一行的敲代码,做到逐行逐句讲解。 4、实战模型的loss图和预测的结果。RNNLSTM时间序列预测CNN卷积神经网络CNN-LSTM
- 1284人 学习人数4.9分 课程评分[多特征预测]基于BP神经网络多特征电力负荷预测本课程采用手把手教学的方式,从BP神经网络的算法原理到利用深度学习框架搭建BP神经网络进行多特征用电负荷预测,整个过程会有细致的讲解,让你获得从零基础到熟练利用深度学习框架进行多特征用电负荷预测的能力。1、本课程具有充实的内容,具体课程大纲如下: 2、对多特征数据进行展示: 3、同时为了有更好的算法原理讲解,课程中配备了大量的算法模型图: 4、关于实战部分,手把手带着大家进行一行一行的敲代码,做到逐行逐句讲解。 5、实战模型的loss图和预测的结果。电力负荷预测时间序列预测BP神经网络深度学习人工智能
- 1978人 学习人数5.0分 课程评分[多特征预测]基于RNN、LSTM多特征用电负荷预测本课程采用手把手教学的方式,从RNN、LSTM神经网络的算法原理到利用深度学习框架搭建RNN、LSTM神经网络进行多特征用电负荷预测,整个过程会有细致的讲解,让你获得从零基础到熟练利用深度学习框架进行用电负荷预测的能力。1、本课程具有充实的内容,具体课程大纲如下: 2、对多特征数据进行展示: 3、同时为了有更好的算法原理讲解,课程中配备了大量的算法模型图: 4、关于实战部分,手把手带着大家进行一行一行的敲代码,做到逐行逐句讲解。 5、实战模型的loss图和预测的结果。RNNLSTM时间序列预测深度学习多特征负荷预测
- 4225人 学习人数5.0分 课程评分[多特征预测]基于CNN-LSTM网络多特征用电负荷预测本课程采用手把手教学的方式,从CNN和LSM神经网络的算法原理到利用深度学习框架搭建CNN-LSTM组合神经网络进行多特征用电负荷预测,整个过程会有细致的讲解,让你获得从零基础到熟练利用深度学习框架进行多特征用电负荷预测的能力。1、本课程具有充实的内容,具体课程大纲如下: 2、对多特征数据进行展示: 3、同时为了有更好的算法原理讲解,课程中配备了大量的算法模型图: 4、关于实战部分,手把手带着大家进行一行一行的敲代码,做到逐行逐句讲解。 5、实战模型的loss图和预测的结果。电力负荷预测CNNCNN-LSTM深度学习时间序列预测
套餐介绍
包含单特征多特征所有的负荷预测方法