In the present paper, we propose to

In the present paper, we propose to solve the global
optimization problem by using a recurrent neural network
(RNN), to determine the optimal amounts of power supplied
for each energy source. Many real-time systems, such as
massively interconnected electric power grids, require solving
large-scale linear programming problems in real time [28]. In
such applications, existing sequential algorithms such as the
classical simplex or the interior point methods are usually not
efficient due to the limitation of sequential processing. In
general, traditional algorithms may not be efficient since the
computing time required for a solution is greatly dependent on
the dimension and structure of the problems [29]. One possible
and very promising approach to real-time optimization is to
apply artificial neural networks. Because of the inherent
massive parallelism, the neural network approach can solve
optimization problems in running time at the orders of
magnitude much faster than those of the most popular
optimization algorithms executed on general-purpose digital
computers [30].

ผลลัพธ์ (ไทย) 1:

ในปัจจุบันกระดาษ เราเสนอแก้โลกปัญหาการเพิ่มประสิทธิภาพ โดยการใช้เครือข่ายประสาทที่เกิดซ้ำ(RNN), การกำหนดจำนวนพลังงานให้เหมาะสมสำหรับแต่ละแหล่งพลังงาน ระบบเรียลไทม์หลาย เช่นเชื่อมโยงถึงกันอย่างหนาแน่นไฟฟ้ากริด ต้องแก้ขนาดใหญ่เส้นเขียนปัญหาในเวลาจริง [28] ในโปรแกรมประยุกต์ดังกล่าว อัลกอริทึมการเรียงลำดับที่มีอยู่เช่นการsimplex คลาสสิกหรือวิธีจุดภายในมักไม่มีประสิทธิภาพเนื่องจากข้อจำกัดของการประมวลผลตามลำดับ ในอัลกอริทึมแบบดั้งเดิม ทั่วไปอาจไม่มีประสิทธิภาพเนื่องจากการเวลาที่ต้องการแก้ไขปัญหาการใช้งานมากขึ้นอยู่กับขนาดและโครงสร้างของปัญหา [29] ได้ที่หนึ่งและแนวโน้มมากวิธีการเพิ่มประสิทธิภาพแบบเรียลไทม์ใช้เครือข่ายประสาทเทียม เนื่องจากโดยธรรมชาติที่parallelism ใหญ่ วิธีโครงข่ายประสาทสามารถแก้ได้ปัญหาเพิ่มประสิทธิภาพในการทำงานเวลาที่ใบสั่งของขนาดเร็วกว่าของนิยมมากที่สุดอัลกอริทึมเพิ่มประสิทธิภาพดำเนินการบนวัตถุดิจิตอลคอมพิวเตอร์ [30]

ผลลัพธ์ (ไทย) 2:

ในกระดาษปัจจุบันเรานำเสนอเพื่อแก้ปัญหาระดับโลกปัญหาการเพิ่มประสิทธิภาพโดยใช้เครือข่ายประสาทกำเริบ
(RNN)
เพื่อตรวจสอบจำนวนเงินที่ดีที่สุดของพลังงานที่ให้มาสำหรับแต่ละแหล่งพลังงาน หลายระบบเวลาจริงเช่นการเชื่อมต่อกันอย่างหนาแน่นกริดพลังงานไฟฟ้าต้องมีการแก้ปัญหาการเขียนโปรแกรมขนาดใหญ่เชิงเส้นในเวลาจริง[28] ในการใช้งานดังกล่าวที่มีอยู่ขั้นตอนวิธีการตามลำดับเช่นเริมคลาสสิกหรือวิธีการจุดภายในมักจะไม่ได้อย่างมีประสิทธิภาพเนื่องจากข้อจำกัด ของการประมวลผลตามลำดับ ในทั่วไปขั้นตอนวิธีการแบบดั้งเดิมอาจจะไม่เป็นที่มีประสิทธิภาพตั้งแต่เวลาคอมพิวเตอร์ที่จำเป็นสำหรับการแก้ปัญหาเป็นอย่างมากขึ้นอยู่กับขนาดและโครงสร้างของปัญหาที่เกิดขึ้น[29] หนึ่งที่เป็นไปได้วิธีการและมีแนวโน้มมากที่จะเพิ่มประสิทธิภาพในเวลาจริงคือการใช้เครือข่ายประสาทเทียม เพราะโดยธรรมชาติขนานใหญ่วิธีเครือข่ายประสาทสามารถแก้ปัญหาการเพิ่มประสิทธิภาพในการทำงานเวลาคำสั่งของขนาดเร็วกว่าผู้ที่นิยมมากที่สุดขั้นตอนวิธีการเพิ่มประสิทธิภาพการดำเนินการในวัตถุประสงค์ทั่วไปดิจิตอลคอมพิวเตอร์[30]