Hybrid Attention-Based LSTM and XGBoost Model for Short-Term Residential Load Forecasting
autor
Shabbir, Noman
Shahid, Arqum
Daniel, Kamran
Jawad, M.
Rosin, Argo
Martins, Joao
vastutusandmed
Noman Shabbir, Arqum Shahid, Kamran Daniel, Muhammad Jawad, Argo Rosin, Joao Martins
allikas
2025 IEEE the 13th International Conference on Smart Energy Grid Engineering (SEGE 2025)
ilmumiskoht
Piscataway
kirjastus/väljaandja
IEEE
ilmumisaasta
2025
leheküljed
p. 94-99
konverentsi nimetus, aeg
IEEE the 13th International Conference on Smart Energy Grid Engineering (SEGE 2025) 18-20 August
konverentsi toimumispaik
Oshawa, Canada
leitav
https://doi.org/10.1109/SEGE65970.2025.11203473
märksõna
tehisõpe
tehisnärvivõrgud
tarkvara
Scopus
https://www.scopus.com/pages/publications/105021828371?origin=resultslist
võtmesõna
deep learning
LSTM
machine learning
residential load forecasting
ISBN
979-833158592-1
märkused
Bibliogr.: 13 ref
teaduspublikatsioon
teaduspublikatsioon
klassifikaator
3.1
TTÜ struktuuriüksus
FinEst Centre for Smart Cities
Department of Electrical Power Engineering and Mechatronics
FinEst Targa linna tippkeskus
Elektroenergeetika ja mehhatroonika instituut
keel
English
Inglise