969 resultados para ANN


Relevância:

20.00% 20.00%

Publicador:

Relevância:

20.00% 20.00%

Publicador:

Relevância:

20.00% 20.00%

Publicador:

Relevância:

20.00% 20.00%

Publicador:

Relevância:

20.00% 20.00%

Publicador:

Relevância:

20.00% 20.00%

Publicador:

Relevância:

20.00% 20.00%

Publicador:

Resumo:

Rezension von: Michael Schratz / Johanna F. Schwarz / Tanja Westfall-Greiter: Lernen als bildende Erfahrung, Vignetten in der Praxisforschung, Mit einem Vorwort von Käte Meyer-Drawe und Beiträgen von Horst Rumpf, Carol Ann Tomlinson, Mike Rose u.a., Innsbruck: Studienverlag 2012 (161 S.; ISBN 978-3706551182)

Relevância:

20.00% 20.00%

Publicador:

Resumo:

[ES] Este trabajo se propone el análisis comparativo, bajo el punto de vista filológico y literario, del relato del funeral de Augusto en el biógrafo Suetonio ("Aug."100) y en el historiador Tácito ("Ann."1.8-10). En primer lugar se remarca la importancia política y social del "funus publicum" en Roma, objeto del relato. Sigue un detenido y minucioso análisis en el que se trata de poner de relieve las semejanzas y, sobre todo, las diferencias entre el relato de Suetonio y el de Tácito en cuanto a los datos aportados, la secuenciación de los mismos y, especialmente, en cuanto a la focalización que sobre ellos y sobre el conjunto del relato muestran uno y otro autor. Finalmente se trata de explicar las diferencias, importantes, entre ambos relatos en virtud del género literario (biografía-historia), de la intención y propósito concretos de cada una de las dos obras ("Vita Augusti" de Suetonio y "Annales" de Tácito) y de la distinta personalidad intelectual de cada uno de los dos autores.

Relevância:

20.00% 20.00%

Publicador:

Resumo:

Rezension von: Rolf Werning/ Ann-Katrin Arndt (Hrsg.): Inklusion: Kooperation und Unterricht entwickeln. Bad Heilbrunn: Klinkhardt 2013 (248 S.; ISBN 978-3-7815-1898-8)

Relevância:

20.00% 20.00%

Publicador:

Resumo:

Ann Hamilton discusses her work. Introduction by Carol Damian.

Relevância:

20.00% 20.00%

Publicador:

Resumo:

This paper presents a methodology for short-term load forecasting based on genetic algorithm feature selection and artificial neural network modeling. A feed forward artificial neural network is used to model the 24-h ahead load based on past consumption, weather and stock index data. A genetic algorithm is used in order to find the best subset of variables for modeling. Three data sets of different geographical locations, encompassing areas of different dimensions with distinct load profiles are used in order to evaluate the methodology. The developed approach was found to generate models achieving a minimum mean average percentage error under 2 %. The feature selection algorithm was able to significantly reduce the number of used features and increase the accuracy of the models.