EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

PHILNet: A novel efficient approach for time series forecasting using deep learning

M.J. Jiménez-Navarro, M. Martínez-Ballesteros, F. Martínez-Álvarez, G. Asencio-Cortés

Information Sciences · 2023-06 · 632 · 815-832

DOI: 10.1016/j.ins.2023.03.021 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Information Sciences, 2023-06. Verfasst von M.J. Jiménez-Navarro und 3 weiteren Autor:innen. Die Arbeit wurde bisher 25-mal zitiert (Crossref) und nennt 49 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Universidad de Sevilla, Ministerio de Ciencia e Innovación, European Regional Development Fund.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Universidad de Sevilla
  • Ministerio de Ciencia e Innovación
  • European Regional Development Fund
  • Junta de Andalucía

Zitieren

APA

Jiménez-Navarro, M., Martínez-Ballesteros, M., Martínez-Álvarez, F., & Asencio-Cortés, G. (2023). PHILNet: A novel efficient approach for time series forecasting using deep learning. Information Sciences, 632, 815-832. https://doi.org/10.1016/j.ins.2023.03.021

Vancouver

Jiménez-Navarro M, Martínez-Ballesteros M, Martínez-Álvarez F, Asencio-Cortés G. PHILNet: A novel efficient approach for time series forecasting using deep learning. Information Sciences. 2023;632:815-832. doi:10.1016/j.ins.2023.03.021

BibTeX
@article{JimnezNavarro2023,
  author = {Jiménez-Navarro, M.J. and Martínez-Ballesteros, M. and Martínez-Álvarez, F. and Asencio-Cortés, G.},
  title = {PHILNet: A novel efficient approach for time series forecasting using deep learning},
  journal = {Information Sciences},
  year = {2023},
  volume = {632},
  pages = {815--832},
  doi = {10.1016/j.ins.2023.03.021}
}
Kostenlos starten →