Perpustakaan Fakultas Ilmu Komputer

Library Automation and Digital Archive

LONTAR

Fakultas Ilmu Komputer
Universitas Indonesia

Call Number	SEM-303
Collection Type	Indeks Artikel prosiding/Sem
Title	Modelling of chaotic behavior in power systems using recurrent neural networks, Hal. 51-56
Author	I Made Ginarsa;
Publisher	Proceedings ICACIA' 2008): International conference on Advanced computational intelligence and its application
Subject	Power systems; chaotic behavior; recurrent neural network (RNN) , chaotic antractror, Phase-plane
Location

Lokasi : Perpustakaan Fakultas Ilmu Komputer

Nomor Panggil	ID Koleksi	Status
SEM-303		TERSEDIA

Tidak ada review pada koleksi ini: 37086

Tidak ada abstrak pada koleksi ini

Latest Collection

Evaluasi dan Pemetaan Kerentanan Kebakaran Hutan dan Lahan di Nusa Tenggara Timur dengan Metode Autokorelasi Spasial dan Pembelajaran Mesin

Type: Tesis

Pengembangan Dataset Deteksi dan Pengenalan Pelat Nomor Kendaraan Indonesia dengan Benchmarking Menggunakan Gaussian-Yolov7

Type: Tesis

Pendekatan Embededding Graf Dinamis untuk Penentuan Sentralitas Bandara pada Jaringan Penerbangan

Type: Tesis

Prediksi Penjualan Barang Menggunakan XGBOOST dengan Optimasi Hyperparameter Tuning

Type: Tesis

Pengembangan Model Prediksi Kebangkrutan Berbasis Jaringan Ultimate Ownership dengan Metode XGBOOST pada Perusahaan Publik

Type: Disertasi

Ontologi untuk Pemodelan Kurikulum pada Perguruan Tinggi yang Menerapkan Outcame-Based Education

Type: Disertasi

Analisis Faktor-Faktor yang Memengaruhi Switching Intention dari Menggunakan Buku Konvensional ke E-Book Menggunakan Perspektif Push, Pull, dan Mooring (PPM) Theory

Type: Skripsi

Penerapan Single Stream Network dan Two Stream Network dengan Pendekatan Transfer Learning dalam Sistem Pengenalan dan Penerjemahan Bahasa Isyarat Indonesia(BISINDO)

Type: Skripsi

Pembaruan Desain Antarmuka dan Evaluasi Usability pada Aplikasi SP4N Lapor! Dengan Pendekatan User-Centered Design

Type: Skripsi

Building a Retrieval Module for a Retrieval-Augmented Generation (RAG) System for Data Discovery Queries

Type: Skripsi

Favorite