{"product_id":"ieej-zt20216-225","title":"プルーニングを用いたニューラルネットワークの構造再設計に関する基礎的検討","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e6-225\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】令和3年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2021\/03\/01\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eA Study on Re-design of the Neural Network Structure by using Iterative Pruning Algorithm\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e榎本翔（広島大学）,佐々木豊（広島大学）,造賀芳文（広島大学）,餘利野直人（広島大学）\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eSho Enomoto (Hiroshima University),Yutaka Sasaki (Hiroshima University),Yoshifumi Zoka (Hiroshima University),Naoto Yorino (Hiroshima University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e日射量の正確な予測ができれば，既存火力機や蓄電池(BT)の効率的な運用計画が実現できる。さらに，予測誤差やその分布を解析することで安定な需給運用に向けた予備力確保も実現可能である。これまでに著者らも再エネ発電量予測法の開発に加え，予測に基づく高度な発電機最適運用を行う需給マネージャを開発してきた。特に，太陽光(PV)発電量予測法では，一般に公開されている気象データを用い，ニューラルネットワーク(NNs)による学習を用いてきた。本稿では，気象庁で一般公開の1時間値の気象観測データを用いた改良したPV発電量予\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e557 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":46402001010927,"sku":"IEEJ-ZT20216-225-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_fa32eef3-4c8b-41a5-80cb-e6164f45e412.png?v=1744967701","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt20216-225","provider":"電気学会 電子図書館","version":"1.0","type":"link"}