Reducing neural network complexity via optimization algorithms for fault diagnosis in renewable energy systems

This article discusses the challenges involved in diagnosing faults in renewable energy systems. A significant challenge is the high computational demands of the artificial intelligence algorithms needed for grid-connected photovoltaic (GCPV) and wind energy conversion (WEC) systems in fault diagnos...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Ain Shams Engineering Journal Ročník 15; číslo 12; s. 103086
Hlavní autoři:	Hajji, Mansour, Hichri, Amal, Yahyaoui, Zahra, Mansouri, Majdi, Bouazzi, Yassine, Rajhi, Wajdi, Ahmad, Ayyaz
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.12.2024 Elsevier
Témata:	Algorithm complexity Computation time (CT) Deep learning (DL) methods Fault diagnosis (FD) Grid-connected photovoltaic (GCPV) system Memory space (MS) Optimization techniques Wind energy conversion (WEC) system Deep learning (DL) methods Fault diagnosis (FD) Computation time (CT) Algorithm complexity Grid-connected photovoltaic (GCPV) system Optimization techniques Memory space (MS) Wind energy conversion (WEC) system
ISSN:	2090-4479
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!