预测用户响应(例如点击和转化)非常重要,并且已在许多 Web 应用程序中使用,包括推荐系统、网络搜索和在线广告。这些应用程序中的数据大多是分类的并且包含多个字段;一种典型的表示是通过one-hot编码将其转换为高维稀疏二值特征表示。面对极端的稀疏性,传统模型可能会限制其从数据中挖掘浅层模式的能力,即 ...
检索增强生成 (RAG) 已成为减轻大型语言模型 (LLM) 中幻觉的有效解决方案。 RAG 中的检索阶段通常涉及预先训练的嵌入模型,该模型将查询和段落转换为向量以捕获其语义。然而,标准的预训练嵌入模型在应用于特定领域知识时可能会表现出次优的性能,因此需要进行微调 ...
短期电价的准确预测对于有效的交易策略、电厂调度、利润最大化和系统高效运行至关重要。然而,供需的不确定性使得这种预测具有挑战性。我们提出了一种混合模型,将技术经济能源系统模型与随机模型相结合来应对这一挑战 ...
虽然深度学习逐渐渗透到运营规划中,但其固有的预测误差可能会显着影响电价。这封信研究了预测误差如何传播到电价中,揭示了显着的定价误差及其在拥挤的电力系统中的空间差异。为了提高公平性,我们建议将电力市场出清优化嵌入作为深度学习层 ...
我们提出了一种新颖的机器学习方法来对日前每小时的电价进行概率预测。与利用矩等某些特征来近似分布的数据丰富的概率预测的最新进展相比,我们的方法是非参数的,并且从从数据中学习的所有可能的经验分布中选择最佳分布。我们提出的模型是具有单调性调整惩罚的多输出神经网络 ...
电价的准确预测对于电力系统的管理和智能应用的开发至关重要。俄罗斯入侵乌克兰后,欧洲电价大幅上涨并变得高度波动,对既定的预测方法提出了挑战。在这里,我们提出了德国-卢森堡日前电价的长短期记忆 (LSTM) 模型来应对这些挑战 ...
电力市场日前价格的研究是时间序列预测中最流行的问题之一。之前的研究主要集中在采用日益复杂的学习算法来捕捉市场的复杂动态。然而,存在一个门槛,即增加的复杂性无法带来实质性的改进 ...
电力市场交易需要有关电价实现情况以及预测的不确定性的准确信息。我们使用完全数据驱动的深度生成模型(称为标准化流量)提出了一种日前电价的概率预测方法。我们的建模方法根据剩余负荷预测等条件特征生成日前电价的全天情景 ...