跳到主要内容
10.1145/3583133.3596429高级会议文章/章节视图摘要出版物页面灰泥会议记录会议集合
摘要

用于电价预测的时间卷积网络的进化配置

出版:2023年7月24日 出版历史
  • 获取引文提醒
  • 摘要

    通过对波兰日前市场近期波动电价的预测案例研究,本文比较了两种不同的方法来寻找高性能的时间卷积网络配置。首先,评估CMA-ES[1],然后检查MoTPE[4]。对于相同的24小时价格预测任务,并使用相同的训练和测试集,第一种进化方法既能获得更好的预测性能,更重要的是,计算时间显著缩短。搜索10不同的超参数组合在不到一小时的时间内完成,短周期评估得出sMAPE为12.9,rMAE为0.31。

    工具书类

    [1]
    Y Akimoto和N Hansen。2022.CMA-ES和高级适应机制(GECCO’22)。ACM公司。
    [2]
    Yitian C等人,2020年。时间卷积神经网络概率预测。神经计算(2020).
    [3]
    K Olivares等人,2023年。外生变量的神经基扩展分析:用NBEATSx预测电价。Forec.国际期刊。39 (2023).
    [4]
    Y Ozaki等人,2020年。计算费用高昂优化问题的多目标树结构Parzen估计(GECCO’20)。ACM公司。

    索引术语

    1. 用于电价预测的时间卷积网络的进化配置

      建议

      评论

      信息和贡献者

      问询处

      发布时间

      封面图片ACM会议
      GECCO’23伴侣:遗传和进化计算伴侣会议记录
      2023年7月
      2519页
      国际标准图书编号:9798400701207
      内政部:10.1145/3583133
      如果复制品不是为了盈利或商业利益而制作或分发的,并且复制品的第一页载有本通知和完整引文,则允许免费制作本作品的部分或全部数字或硬拷贝以供个人或课堂使用。必须尊重本作品第三方组件的版权。对于所有其他用途,请联系所有者/作者。

      赞助商

      出版商

      计算机协会

      美国纽约州纽约市

      出版历史

      出版:2023年7月24日

      检查更新

      作者标记

      1. 超参数优化
      2. 深度学习
      3. 时间卷积网络
      4. CMA-ES公司
      5. 电价预测

      限定符

      • 摘要

      会议

      GECCO’23伙伴
      赞助商:
      GECCO’23伙伴:关于遗传和进化计算的伙伴会议
      2023年7月15日至19日
      葡萄牙里斯本

      接受率

      4410份提交文件中的1669份总体接受率,38%

      即将召开的会议

      GECCO公司24
      遗传和进化计算会议
      2024年7月14日至18日
      墨尔本,维多利亚州,澳大利亚

      贡献者

      其他指标

      文献计量学和引文

      文献计量学

      文章指标

      • 0
        引文总数
      • 34
        总下载次数
      • 下载次数(过去12个月)34
      • 下载次数(最近6周)2

      其他指标

      引文

      视图选项

      获取访问权限

      登录选项

      完全访问权限

      查看选项

      PDF格式

      以PDF文件查看或下载。

      PDF格式

      电子阅读器

      使用联机查看电子阅读器.

      电子阅读器

      媒体

      数字

      其他

      桌子

      分享

      分享

      共享此出版物链接

      在社交媒体上分享