XiaoMi-AI文件搜索系统
World File Search SystemBaysal
教育视频游戏对英语词汇学习和记忆的影响 Emre Gunel Bolu Abant Izzet Baysal 大学，土耳其 Ercan Top B
《国际教育技术杂志》（IJTE）是一份同行评审的在线学术杂志。本文可用于研究、教学和个人学习目的。作者对其文章的内容负全部责任。该杂志拥有文章的版权。出版商不对因使用研究材料而直接或间接引起的任何损失、诉讼、索赔、诉讼、要求、费用或损害承担责任。请所有作者披露任何实际或潜在的利益冲突，包括与提交作品相关的与其他个人或组织的任何财务、个人或其他关系。
Oktay Baysal，Ph.D.，P.E.，F.ASME 的出版物列表
2. Pehlivanoglu, V.、Yagiz, B.、Kandil, O. 和 Baysal, O. ，“跨音速机翼吸气和吹气的粒子群优化”，《航空杂志》，第 47 卷，第 6 期，2010 年 11 月/12 月，第 1955-1965 页。 3. Pehlivanoglu, V. 和 Baysal, O. ，“利用模糊逻辑和神经网络增强的振动遗传算法”，《航空科学与技术》，第 14 卷，第 1 期，2010 年 1 月/2 月，第 56-64 页。 4. Pehlivanoglu, V.、Hacioglu, A.、Baysal, O.，“通过振动遗传算法进行自主无人机路径规划”，《航空工程与航天技术杂志》，第 79 卷，第 3 期，2007 年 7 月/8 月，第 250-260 页。 5. Baysal, O. 和 Ghayour, K.，“非结构化网格上具有一般成本函数优化的连续伴随灵敏度”，《AIAA 杂志》，第 39 卷，第 1 期，2001 年，第 48-55 页。 6. Baysal, O.，“气动形状优化：方法和应用”，《SAE 交易：航空航天杂志》，第 108 卷，第 1 节，1999 年，第 794-802 页。
已发布版本的引用 (APA)：Yaprakdal, F.、Yılmaz, MB、Baysal, M. 和 Anvari-Moghaddam, A. (2020)。深度神经网络辅助方法
摘要：大规模可再生能源发电的固有可变性给微电网能源管理带来了巨大困难。同样，人类行为对电价变化和季节变化的影响也会导致电力消耗的变化。因此，电力系统运行的正确调度和规划需要准确的负荷需求和可再生能源发电估计研究，尤其是短期（小时前、日前）。本研究考虑了总电力负荷和大容量光伏发电的时间序列变化，通过整合预测结果来促进可重构微电网短期最优运行调度框架中的供需平衡。基于双向长短期记忆单元的深度循环神经网络模型 DRNN Bi-LSTM 旨在提供准确的总电力负荷需求和大容量光伏发电预测结果。利用真实世界数据集来测试所提出的预测模型，结果显示，与调查文献中的其他方法相比，DRNN Bi-LSTM 模型表现更好。同时，研究了最优运行调度框架，同时制定日前最优重构计划和可控分布式发电单元的最优调度，将其视为最优运行解决方案。采用基本粒子群优化方法和选择性粒子群优化方法（PSO&SPSO）的组合方法，进行组合、非线性、非确定性多项式时间难（NP-hard）复杂优化研究，旨在最小化微电网在各种等式和不等式约束条件下的总无功功率损耗。包括光伏电源和柴油分布式发电机的可重构微电网测试系统用于最优运行调度框架。总体而言，本研究通过开发的 DRNN Bi-LSTM 模型，为具有电力需求和可再生能源预测的可重构微电网的最优运行调度做出了贡献。结果表明，采用深度学习辅助方法的可重构微电网最优运行调度不仅可以减少无功功率损耗，还可以以经济的方式改善系统。