Celem niniejszego rozdziału jest wprowadzenie w tematykę sieci neuronowych z atencją oraz ich zastosowań w przetwarzaniu języka naturalnego. Rozdział skupia się w szczególności na dokładnym omówieniu architektury modelu Transformer, wykorzystującego atencję jako podstawowy mechanizm swojego działania.

W opracowaniu omówiono 2 modele symulacyjne zachowania się sieci ciepłowniczej. Pierwszy oparty jest o struktury Boxa-Jenkinsa, drugi wykorzystuje sieci neuronowe. Przeprowadzono próby na danych rzeczywistych z gdańskiej sieci ciepłowniczej na podstawie, których dobrano parametry modeli. Sprawdzono przydatność obu struktur do prognozowania zachowania się miejskiej sieci ciepłowniczej przy znanych wymuszeniach.

W opracowaniu przedstawiono zagadnienia związane z modelowaniem zachowania się miejskiej sieci ciepłowniczej. Przedstawiono sposoby wyznaczania niektórych parametrów pracy MSC w oparciu o modele statyczne i sieci neuronowe.

Zaprezentowano adaptacyjny algorytm generujący modele neuronowe liniowych układów mikrofalowych, zdolny do oszacowania optymalnego rozmiaru zbiory uczącego i sieci neuronowej. Stworzono kilka modeli nieciągłości falowodowych i mokropaskowych, a następnie zweryfikowano ich poprawność porównując wyniki analiz metodą dopasowania rodzajów i metodą momentów filtrów pasmowo-przepustowych.

Celem pracy było opracowanie metody obliczeniowej oraz budowa narzędzia programowego do określenia produkcji mocy farmy wiatrowej na podstawie standardowej prognozy pogody z wyprzedzeniem jednej doby. W pracy przedstawiono rzeczywistą charakterystykę generacji mocy wytwórczej przemysłowych farm wiatrowych zależnej od zmiennych warunków wiatrowych. Analizując dane pomiarowe można znaleźć pewne zależności charakterystyczne. Wpływ...