$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas | Formato DC |



Título: PREVISÃO DE DEMANDA POR MÉTODO DE INTELIGÊNCIA ARTIFICIAL
Autor: RAFAEL CARDOSO DE ASSUMPCAO
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  DELBERIS ARAUJO LIMA - ORIENTADOR
Nº do Conteudo: 41552
Catalogação:  15/07/2019 Liberação: 15/07/2019 Idioma(s):  PORTUGUÊS - BRASIL
Tipo:  TEXTO Subtipo:  TRABALHO DE FIM DE CURSO
Natureza:  PUBLICAÇÃO ACADÊMICA
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=41552&idi=1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=41552&idi=2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.41552

Resumo:
Este Projeto de Graduação em Engenharia Elétrica consiste na previsão de uma série temporal de carga de um consumidor especial, por meio de técnicas de Inteligência Artificial. Diversos métodos podem ser utilizados para prever o consumo de energia elétrica, entretanto, redes neurais recorrentes, em especial as redes Long Short-Term Memory, vêm se destacando na previsão de séries temporais devido a sua capacidade de armazenamento de memória a longo prazo. Este trabalho tem como objetivo geral o desenvolvimento de um programa computacional que emprega redes Long Short-Term Memory para a previsão de demanda, utilizando métricas de distância para sua avaliação.

Descrição Arquivo
NA ÍNTEGRA  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui