Порівняльний аналіз статистичних підходів і нейро-нечітких моделей для прогнозування температури зерна
Вантажиться...
Файли
Дата
Автори
Назва журналу
Номер ISSN
Назва тому
DOI
Анотація
The effectiveness of statistical methods (linear and polynomial regression, ARIMA, exponential smoothing) and neurofuzzy models (Mamdani and ANFIS – based on the Sugeno model) in grain temperature forecasting has been investigated.
Опис
Тип документа
Мова
ISSN
Бібліографічний опис
Ліщук А. Р. Порівняльний аналіз статистичних підходів і нейро-нечітких моделей для прогнозування температури зерна // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2025/paper/view/24099.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (3)
- S. Duan, W. Yang, X. Wang, S. Mao and Y. Zhang, "Deep Spatio-Temporal Attention Model for Grain Storage Temperature Forecasting," 2020 IEEE 26th International Conference on Parallel and Distributed Systems (ICPADS), Hong Kong, 2020, pp. 593600.
- Zhang, Q.; Zhang, W.; Huang, Q.; Wan, C.; Li, Z. AMSformer: A Transformer for Grain Storage Temperature Prediction Using Adaptive Multi-Scale Feature Fusion. Agriculture 2025, 15, 58.
- S. Duan, W. Yang, X. Wang, S. Mao and Y. Zhang, "Temperature Forecasting for Stored Grain: A Deep Spatiotemporal Attention Approach," in IEEE Internet of Things Journal, vol. 8, no. 23, pp. 17147-17160, 1 Dec.1, 2021.