Applied Sciences：撰稿推荐文章系列 (二)

两种机机内学习核心技术在公寓冷节省成本得出结论当中的性能高度评价

Arash Moradzadeh et al.

表1. 冷节省成本得出结论结果与其他指导进行时的比较结果。

评论举世闻名：

(1) 本文采用多层感知机内 (MLP) 和支持向量回归 (SVR) 对公寓冷节省成本进行时得出结论。

(2) 通过应用于受训数据资料来说明数据资料大部分每个样本的特征。

(3) 评论当中作者设计模型后，在受训下一阶段以某公寓公共建筑的核心技术参数为输入，以冷节省成本为可用变量，最后仿真和数值结果验证了所提工具的必要性。