安卓版下载

长短期记忆网络

  • 基于ISSA-LSTM模型的可再生能源电力需求预测
    算法；长短期记忆网络；Circle混沌映射；电力需求预测中图分类号：TP311文献标志码：A文章编号：1672-9315（2024）03-0604-11DOI：10.13800/j.cnki.xakjdxxb.2024.0320开放科学（资源服务）标识码（OSID）：Renewable energy electricity demand predictionbased on ISSA-LSTM modelYAN Xiaoxia，LIU Xian（Colle

    西安科技大学学报 2024年3期2024-06-28

  • 基于VMD-CSSA-LSTM组合模型的股票价格预测
    映射;长短期记忆网络中图分类号TP391文献标志码A0引言股票预测是指通过分析股票市场的历史数据预测未来股票价格的变化趋势［1］．在处理大规模、高复杂度的股票数据时，传统的统计预测方法难以获得理想的效果．随着信息技术的发展，深度学习凭借更专业的特征学习在股价预测过程中凸显其泛化性与准确性．作为深度学习中典型的时序预测网络，长短期记忆（LongShort-TermMemory，LSTM）神经网络在股票价格领域较为表现出色，例如：Sun等［2］利用LSTM网络

    南京信息工程大学学报 2024年3期2024-06-20

  • 基于图注意力网络的城市内涝积水预测与研究
    网络；长短期记忆网络中图分类号：ＴＰ３９１．９ 文献标志码：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．０４．００７引用格式：胡昊，孙爽，马鑫，等．基于图注意力网络的城市内涝积水预测与研究［Ｊ］．人民黄河，２０２４，４６（４）：４３－４８．０ 引言近年来，在全球气候变化以及我国城镇化建设高速发展的双重作用下，极端暴雨天气出现的频次和强度都明显提高。暴雨导致的城市内涝造成了极大的危害，尤其是２０２１ 年郑州“７·２０”特大暴雨事

    人民黄河 2024年4期2024-06-03

  • 基于前后文关联的长短期记忆网络模型Contextual LSTM的交通流数据预测
    关联的长短期记忆网络模型Contextual LSTM。首先，针对长短期记忆网络模型面对突发情况识别不及时的问题，将输入和隐藏状态建立关联关系，提升前后时刻数据的关联，从而提升模型应对突发情况的能力。此外，采用英国的交通数据集对模型进行训练与测试，并与传统LSTM模型、GRU模型进行预测效果对比实验。验证结果表明，改进后的长短期记忆网络模型在交通流数据的预测上更具优势。关键词：长短期记忆网络；交通流预测；前后文关联一、前言据公安部统计，我国2023年机动车

    信息系统工程 2024年4期2024-05-13

  • 基于深度学习的调度检修预案生成模型构建
    。采用长短期记忆网络对电力系统历史数据进行训练学习，预测电力负荷及设备状态。采用条件生成模型，通过对抗训练来自动生成优化的调度检修预案。将提出的调度检修预案生成技术应用于实际的电力系统中，得到了电力系统1周的调度检修预案。为电力系统运维人员决策提供了参考。关键词：深度学习；电力系统；长短期记忆网络；条件生成模型；预案生成技术中图分类号：TM734文献标志码：A文章编号：1001-5922（2024）03-0153-04Construction of the

    粘接 2024年3期2024-05-07

  • 基于HPO-LSTM的柴油机NOx虚拟预测技术研究
    算法；长短期记忆网络DOI  ：   10.3969/j.issn.1001-2222.2024.01.011中图分类号：  TK421.5   文献标志码：  B   文章编号：   1001-２２２２（２０24）０1-００67-０9自从19世纪末柴油机问世以来，其便以热效率、经济性和可靠性等方面的优势广泛应用于商用车领域和工业机械中。然而柴油机在排放方面的劣势不容忽视，而排放法规日益严苛，2019年7月试点实施的国六排放标准更是对柴油机主要排放物NO

    车用发动机 2024年1期2024-04-29

  • 基于多源数据的山区小流域降水融合模型
    ，通过长短期记忆网络（Long Short-Term Memory，LSTM）将局部卫星与观测数据进行降水融合，引入前期降水信息加强卫星与观测降水之间的时间相关性，并利用该模型进行流域降水空间分布估计。结果表明：从空间分布来看，融合模型对暴雨中心位置的捕捉更加精确;从降水量来看，所提模型在短时强降水下的探测率和临界成功指数分别为0.60和0.50，能够改善原始低分辨率卫星降水数据，使其更接近实际情况;从雨量站数量来看，融合降水的精度随着站点数量的增加而提高

    水科学进展 2024年1期2024-04-04

  • 数据驱动的粮食产能组合预测模型
    ：针对长短期记忆网络（LSTM）在粮食产能预测上存在超参数众多、长时序列信息丢失以及难以区分主次特征的问题，提出一种数据驱动的粮食产能组合预测模型．在超参数部分，通过引入动态权重和拉普拉斯变异的秃鹰算法（WLBES）对LSTM进行超参数寻优，避免了手动调参的过程．在预测部分，利用岭回归（RR）对预测结果进行残差修正，弥补LSTM数据丢失的缺陷;同时加入注意力机制，以权重大小区分主次特征，提升粮食产能相关性较大特征的重要性．研究结果表明，WLBES-LSTM

    南京信息工程大学学报 2024年1期2024-03-07

  • 基于SSA-LSTM组合模型的城市轨道交通短时客流预测
    A）和长短期记忆网络（LSTM）的SSA-LSTM组合模型。本文以杭州地铁一号线客流量数据为例，在选取轨道交通客流相关影响因素的基础上，利用建立的SSA-LSTM模型对相关站点进行短时客流预测，并与LSTM模型、遗传算法（GA）优化的LSTM模型（GA-LSTM）以及粒子群算法（PSO）优化的LSTM模型（PSO-LSTM）预测结果进行对比分析。结果表明，相比于前述参照模型，SSA-LSTM模型的预测精度分别提升了19.1%、9.7%和2.4%，并在均方根

    山东科学 2023年5期2023-10-26

  • 基于并行CNN-Self attention & LSTM的锂电池RUL间接预测
    机制 长短期记忆网络 间接健康因子中图分类号 TM912   文献标识码 A   文章编号 1000-3932（2023）04-0486-08锂离子电池因其高能量密度、高稳定性、使用寿命长且价格适中等优点成为移动通讯设备、新能源交通工具、航空航天等众多领域的主要电源［1］。随着锂离子电池充放电循环次数的增加和工作环境的影响，电池剩余使用壽命（Remaining Useful Life，RUL）会出现不同程度的衰减。一般情况下，电池容量衰减至70%～80%或

    化工自动化及仪表 2023年4期2023-08-06

  • 基于长短期记忆网络的驾驶意图识别方法
    识别；长短期记忆网络；灰狼优化算法中图分类号：U471  收稿日期：2023-03-08DOI：10.19999/j.cnki.1004-0226.2023.07.0051 前言随着汽车行业的不断发展，各种汽车电子装置、定位装置、手机以及其他远程信息处理装置的日益普及，司机的注意力也在被这些装置不断分散，继而使汽车在行驶过程中的风险大大增加，因此，人们正在致力于自动化驾驶辅助系统的研究，如使用驾驶员辅助系统（ADAS）的车道保持系统（LKS）和自适应巡航系

    专用汽车 2023年7期2023-07-30

  • 基于两阶段降维的复合数据股票趋势预测
    学习；长短期记忆网络中图分类号： TP 391文献标志码： AAbstract： Stock data containing a rich variety of derived variables are useful for more comprehensive analysis of market changes， but they contain both continuous and discrete data， which are difficu

    上海管理科学 2023年3期2023-06-28

  • 基于BiLSTM-EPEA模型的实体关系分类
    双向的长短期记忆网络）对Glove表示的文本向量进行特征提取，通过EPEA模块分别计算每个字相对于第一个实体和第二个实体的注意力值，并将两个有权重的语句序列逐位相加，最后利用Softmax函数划分实体关系类别。通过实验证明，BiLSTM-EPEA相比于BiLSTM-ATT模型和RBERT模型，F1值分别提升了0.42%、1.47%，验证了模型的有效性。关键词： 关系类别划分； BiLSTM-EPEA； 实体注意力相加机制； 长短期记忆网络中图分类号：TP3

    计算机时代 2023年5期2023-05-14

  • 基于深度学习的动态手势识别方法
    N）或长短期记忆网络（LSTM）单个网络模型的手势识别，准确率最高为92.7%；而CNN-LSTM混合网络模型平均手势识别准确率为99.1%。关键词： 手势识别； 深度学习； 卷积神经网络； 长短期记忆网络中图分类号：TP391.41;TP18          文献标识码：A     文章编号：1006-8228（2023）05-77-04Dynamic gesture recognition based on depth learningZhou Yo

    计算机时代 2023年5期2023-05-14

  • 基于注意力机制归纳网络的小样本关系抽取模型
    理； 长短期记忆网络中图分类号： TP39 文献标志码： A 文章编号： 1671－5489（2023）04－0845－08Few－Shot Relation Extraction Model Based onAttention Mechanism Induction NetworkJI Bonan， ZHANG Yonggang（College of Computer Science and Technology， Jilin University， C

    吉林大学学报(理学版) 2023年4期2023-04-29

  • 基于混合生成网络的软件系统异常状态评估
    通过对长短期记忆网络（long short-term memory network，LSTM）与变分自动编码器（variational auto-encoder，VAE）的融合，設计一种LSTM-VAE混合生成网络，并以该网络为基础构建基于LSTM-VAE混合生成网络的系统异常状态检测模型，由LSTM对系统数据的时序特征进行提取并由VAE对系统数据的分布进行建模.然后，由LSTM-VAE异常状态检测模型处理系统关键特征参数，获取系统关键特征参数的异常度量值

    湖南大学学报·自然科学版 2022年4期2022-05-30

  • 面向轴承故障诊断的深度学习方法
    机制的长短期记忆网络（the attention long short-term memory， ALSTM）相结合，借助ALSTM捕捉时间序列数据中的远距离相关性，有效抑制输入信号中的高频噪声。同时，引入多尺度和注意力机制，拓宽卷积核捕捉高低频特征的范围，突出故障的关键特征。经多个数据集测试，并且与现有方法进行比较，实验表明，该方法在准确率、噪声鲁棒性及变负载下的故障识别率方面表现突出。关键词：故障诊断;卷积神经网络;长短期记忆网络;多尺度特征提取;注意

    哈尔滨理工大学学报 2022年4期2022-05-30

  • 用电异常行为预警方法
    测; 长短期记忆网络; K-Means; 支持向量机; 用电评分DOI：10.15938/j.jhust.2022.04.008中图分类号： TM71文献标志码： A文章编号： 1007-2683（2022）04-0053-10Early Warning Method of Abnormal ElectricityConsumption Behavior Based on Data DrivenWAN Wei LIU Hongqi SUN Hong-cha

    哈尔滨理工大学学报 2022年4期2022-05-30

  • 预测股票市场走势的模型评估
    平均、长短期记忆网络三种算法对股票走势进行预测，判断哪种算法预测的精确度最高。实验证明，LSTM算法的拟合程度更高，均方根误差 RMSE 最小。该算法能够通过学习股票历史数据的变化，利用其内部的选择记忆性，更准确地实现短期股票的预测。關键词：移动平均法;自回归综合移动平均; 长短期记忆网络一、引言我国股票市场经过 30 多年的发展， 形成了一个庞大的股票信息数据库，股票市场变化规律的掌握、股票市场走势的预测，成为投资者们关注的焦点，投资者们若能对股价进行较

    中国集体经济 2022年27期2022-05-30

  • 基于主成分分析的锂离子电池RUL间接预测
    后基于长短期记忆网络（LSTM）构建预测模型。实验证明该预测模型在预测锂电池的RUL时有较高的精度、适应性较强。【关键词】   锂离子电池;长短期记忆网络;集合经验模态分解;主成分分析法Indirect Prediction of RUL for Li-ion Batteries Basedon Principal Component AnalysisZhu Chengjie， Wang Mingyan*， Wu Zhangyu（Anhui Univers

    廊坊师范学院学报(自然科学版) 2022年1期2022-04-25

  • 基于不同模型的吹填软基沉降预测
    法; 长短期记忆网络; BP神经网络中图分类号：  TP391.99; TU311.3文献标志码：  BPrediction on settlement of blown soft foundationbased on different modelsTAN Fang LI Min WEI Huanwei BAI Liyuana（a. College of Civil Engineering; b. Subway Protecting Research I

    计算机辅助工程 2022年1期2022-04-08

  • 长短期记忆网络在光伏与风电功率预测中的应用
    发电;长短期记忆网络随着近年来新能源发电的不断发展，我国光伏和风电装机容量的增长极为迅速，并已于2010年年底超越美国成为全球风电装机容量第一的国家，于2016年超越德国成为光伏发电量世界第一的国家。我国各个地区新能源装机量都有大幅度增加，尤其是西北地区，新能源装机总量已经超过35%，新能源渗透率不断升高，风电与光伏的不稳定性所带来的影响也逐步加大，对未来的风电与光伏功率预测显得更为重要。风电和光伏功率预测一般采用包括传统预测方法和人工神经网络方法方法，传

    科技风 2022年7期2022-03-15

  • 基于深度学习的跌倒检测技术对比与分析
    网络；长短期记忆网络*基金项目：湖南省教育厅科学研究项目“基于深度学习的智能无人机目标检测算法研究”（20C0105）；长沙民政职业技术学院2021年度校级培育项目“基于深度学习的应用研究”（21mypy97）0引言据中国疾病监测系统的数据显示，跌倒是我国65岁以上老年人因伤致死的首要原因[1]，及时准确地检测老人跌倒事件，对有效降低跌倒对老人帶来的伤害极为重要。随着研究的深入，基于传统机器学习和浅层神经网络的跌倒检测方法等具有检测精度相对低、事件响应速度

    电子产品世界 2022年12期2022-02-02

  • 深度学习在实测沉降数据预处理中的应用研究
    习中的长短期记忆网络LSTM，通过搭建Seq2Seq模型，提出了可对实测沉降数据进行预处理的新方法. Seq2Seq可通过观测大量有效的测点数据来自动学习沉降发展规律，并在训练完成后能对异常测点沉降进行重新计算，可有效避免异常数据对后续沉降预测的干扰. 以某机场多个区域的实测沉降数据为背景，通过将Seq2Seq模型重计算出的沉降值与实测值对比，验证了该模型的可靠性. 结合超参数与数据集等参数分析，研究了提升模型学习能力的影响因素. 研究结果表明：在训练集选

    湖南大学学报·自然科学版 2021年9期2021-09-29

  • 基于长短期记忆网络的轨道交通短期OD客流量预测
    种基于长短期记忆网络的短期OD（交通起止点）客流量预测方法。以历史客流数据为基础，定性分析车站间OD客流量的时空相关性，利用回归分析法定量分析客流影响因素，筛选出运营时刻、运营日特征、最低气温3个时间特征。为提高预测精度，以长短期记忆网络为基础，结合时间特征，为每对起讫点单独构建预测模型，形成了基于长短期记忆网络的轨道交通短期OD客流量预测模型。以苏州市为例进行验证，结果表明，加入了时间特征的短期OD客流量预测模型较移动平均模型、仅利用历史客流数据训练的基

    河北工业科技 2021年5期2021-09-18

  • 基于RF-LSTM网络的风电机组状态参数预测
    预测;长短期记忆网络1 引言由于风电场所处位置偏僻，风电机组系统和各部件关联的复杂性，当风电机组出现故障时，所处环境的恶劣会使风电机组维修困难，导致运行维护成本较高。2 RF-LSTM网络预测方法2.1 RF原理RF是以决策树为学习器的集成学习方法。对于回归问题，通过建立每棵决策树，抽取一定数量的特征，从中选择最合适的特征作为分裂节点来划分左右子树，生成多个决策树模型，每一个决策树的预测结果为叶子结点的均值，RF最终的预测结果为所有决策树预测结果的均值。2

    装备维修技术 2021年50期2021-07-01

  • 基于深度模型股指预测研究
    要：在长短期记忆网络（LSTM）中引入自注意力机制应用于股票指数预测中，使模型可以处理不同时期的权值，加强了模型对历史数据趋势信息的提取能力。利用LSTM和Attention机制结合的LSTM-Attention神经网络应用于股票预测，对沪深300指数近10年数据进行预测研究。实验结果表明，在LSTM改进的神经网络LSTM-Attention的预测效果优于传统LSTM神经网絡模型的预测效果。关键词：自注意力机制;股票指数预测;长短期记忆网络中图分类号：TP

    现代信息科技 2021年16期2021-02-28

  • 基于LSTM网络的车辆轨迹预测研究
    习中的长短期记忆网络方法，提取车辆行驶过程中的特征参数，对车辆未来行驶轨迹进行预测，在驾驶模拟器上进行仿真与测试，结果表明该方法可以精准有效地预测出车辆行驶轨迹。关键词：高速公路;轨迹预测;长短期记忆网络中图分类号：U471.1  文献标识码：A  文章编号：1671-7988（2020）22-32-03Abstract： In order to improve the safety and comfort of the vehicle driving o

    汽车实用技术 2020年22期2020-12-15

  • 基于注意机制的短文本分类方法
    分类;长短期记忆网络;卷积神经网络;注意机制中图分类号：TP311        文献标识码：A文章编号：1009-3044（2020）28-0185-02Abstract： Short text classification is a key task in the field of Internet text data processing. Research on deep learning in the field of computer visi

    电脑知识与技术 2020年28期2020-12-14

  • 浅谈实体空间关系抽取方法的改进
    识别;长短期记忆网络;特征表示中图分类号：TP391.1文献标识码：A文章编号：1672-9129（2020）13-0099-01空间实体识别是面向三维场景的语音交互系统中自然语言理解模块的一项基础任务，是信息抽取流程的第一步。空间实体识别指的是从待处理的不规则文本中识别出文本中描述空间方位的空间实体。与传统的命名实体不同，空间实体特指具有一定位置信息且参与到空间关系中、同时不属于典型的地点或路径范畴的实体。1改进后的空间实体识别模型框架空间实体识别与命名

    数码设计 2020年13期2020-12-03

  • 基于ResNet和LSTM的图像描述生成效果优化研究
    网络和长短期记忆网络，利用AI Challenger图像中文描述挑战赛的数据集，借助前人的研究基础，对图像描述模型的网络结构及参数进行优化和改进，并加以对比试验，通过恰当的评价指标探究模型网络结构对图像语义信息处理和描述匹配生成效果的影响，为提升标注准确度、流畅度提供参考依据。关键词：图像描述  深度残差网络  长短期记忆网络前言近年来，随着深度學习在CV（Computer Vision，计算机视觉）和NLP（Natural Language Proces

    数码世界 2020年7期2020-08-04

  • 基于深度学习的医药专利标签分类方法
    类; 长短期记忆网络; 注意力机制Abstract： In the era of big data， the effective collecting， collating， mining and analysis of medical patent data is becoming more and more important for the development of pharmaceutical industry. The current tex

    计算机时代 2020年5期2020-06-04

  • 基于BLSTM-CNN-CRF的中文命名实体识别方法
    识别;长短期记忆网络;卷积神经网络;条件随机场DOI：10.15938/j.jhust.2020.01.017中图分类号： TP391.1文献标志码： A文章编号： 1007-2683（2020）01-0115-06Abstract：Traditional algorithms of named entity recognition rely on a large number of artificial features and external kno

    哈尔滨理工大学学报 2020年1期2020-05-21

  • 深度学习在骨振信号自动判读中的应用
    种基于长短期记忆网络的骨振信号自动判读方法。首先，采用小波变换以及序列插补方法对信号进行去噪、对齐等预处理;其次，采用长短期记忆网络实现骨振信号的自动判读，其中，网络参数使用网格搜索法确定;最后，采用5 126条临床采集的骨振信号（来源于西安某医院骨科）对所提方法进行验证。实验结果表明文中所提方法可达到自动判读的准确率为82％、精确率为79％、特异度为81％、召回率为82％、马修斯相关系数为0.62。关键词：膝关节退行性病变;骨振信号;长短期记忆网络;马修

    西北大学学报(自然科学版) 2020年4期2020-04-29

  • 基于CNN-LSTM架构神经网络的桥梁损伤位置识别
    網络;长短期记忆网络;CNN-LSTM架构神经网络;损伤位置识别Key words： Convolutional Neural Network;Long Short-Term Memory;CNN-LSTM Embedded Architecture Neural Network;damage location identification中图分类号：U446                                       文献标识码：A   

    价值工程 2020年5期2020-03-23

  • 基于CNN-LSTM的短期电力负荷预测研究
    NN与长短期记忆网络LSTM的短期电力负荷预测模型，将卷积神经网络的速度和轻量与长短期记忆网络的顺序敏感性的优势结合起来，考虑历史电力负荷、时间日期、温度对电力负荷的影响，实例结果表明，与其他模型相比，预测误差更小，较好地提高了预测性能。关键词：短期电力负荷预测;卷积神经网络;长短期记忆网络中图分类号：TM715        文献标志码：A         文章编号：2095-2945（2020）01-0084-02Abstract： In order

    科技创新与应用 2020年1期2020-02-14

  • 基于LSTM的锅炉四管高温再热器超温预测分析
    键词：长短期记忆网络;超超临界机组;高温再热器;壁温预测火电厂锅炉正常运行时，会发生炉膛爆炸、尾部烟道再燃烧、炉膛灭火、受热面泄漏等问题，影响安全生产。统计发现，从发生概率、普遍性等角度比较、分析，锅炉受热面泄漏事故具体体现在：（1）事故不仅发生概率高、普遍性高，而且影响较大，受热面超温泄漏事故停机处理至少需要10天以上，直接影响接带电量及经营目标的完成。（2）在脱硝选择性催化还原（Selective Catalytic Reduction，SCR）投运后

    无线互联科技 2019年18期2019-12-05

  • 基于长短期记忆网络的人体运动识别研究
    种基于长短期记忆网络的人体运动状态识别方法。通过手机内置的加速度传感器采集相关数据，对采集的数据进行预处理，采用LSTM算法对人体运动状态进行分类。此算法不需要人工进行特征提取，在TensorFlow环境下的实验结果显示，此算法分类精度较高，对静止、走路、慢跑、上楼梯、骑车5种运动状态的识别率超过90%。关键词：长短期记忆网络;人体行为识别;加速度传感器人体运动状态识别系统根据输入的信息对人体的运动状态进行分类，可以用于老人或病人的监护、智能家居、安全监控

    无线互联科技 2019年16期2019-12-05

  • 基于深度卷积长短期记忆网络的森林火灾烟雾检测模型
    集成式长短期记忆网络（DC-ILSTM）模型。首先，使用在ImageNet数据集上预训练好的VGG-16网络进行基于同构数据的特征迁移，以有效提取出烟雾特征;其次，基于池化层与长短期记忆网络（LSTM）提出一种集成式长短期记忆网络（ILSTM），并利用ILSTM分段融合烟雾特征;最后，搭建一种可训练的深度神经网络模型用于森林火灾烟雾检测。烟雾检测实验中，与深卷积长递归网络（DCLRN）相比，DC-ILSTM在最佳效率下以10帧的优势检测到烟雾，而且在测试准

    计算机应用 2019年10期2019-11-15

  • 基于AIS数据和LSTM网络的船舶航行动态预测
    ）; 长短期记忆网络（LSTM）; BP神经网络中图分类号： U675.79文献标志码： AAbstract： In order to further improve the accuracy of ship navigation behavior prediction， the long short-term memory （LSTM） network is applied to the ship navigation behavior predicti

    上海海事大学学报 2019年3期2019-11-06

  • 基于注意力机制的卷积 双向长短期记忆模型跨领域情感分类方法
    机制;长短期记忆网络中图分类号： TP181; TP389.1文献标志码：ACross-domain sentiment classification method of convolution-bi-directional long short-term memory based on attention mechanismAC-BiLSTM modelGONG Qin*， LEI Man， WANG Jichao， WANG BaoqunSchool

    计算机应用 2019年8期2019-10-23

  • 融合位置权重的基于注意力交叉注意力的长短期记忆方面情感分析模型
    意力;长短期记忆网络中图分类号： TP183; TP391.1文献标志码：AAspect level sentiment classification model with location weight and long-short term memory based on attention-over-attentionWU Ting*， CAO ChunpingSchool of Optical-Electrical and Computer Eng

    计算机应用 2019年8期2019-10-23

  • 基于深度学习的电子病历实体标准化
    准化;长短期记忆网络;孪生网络DOI：10. 11907/rjdk. 182786 开放科学（资源服务）标识码（OSID）：中图分类号：TP301文献标识码：A 文章编号：1672-7800（2019）008-0012-04Deep Learning Based Entity Normalization of Electronic Medical RecordsZHAO Yi-fan，ZHENG Jian-li，XU Xiao-ling（School of

    软件导刊 2019年8期2019-10-15

  • 基于深度学习的电子病历命名实体识别的研究与实现
    识别;长短期记忆网络;深度学习中图分类号： TP31    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2019.08.047本文著录格式：赵鸿阳. 基于深度学习的电子病历命名实体识别的研究与实现[J]. 软件，2019，40（8）：208211【Abstract】： Electronic medical record is a digital medical service record of outpatient

    软件 2019年8期2019-10-08

  • MLEP:一种B细胞线性表位预测方法
    入，用长短期记忆网络进行训练，获得预测性能好的模型，对多聚类特征选择算法及MLEP算法的性能进行评价。对非冗余LBtope数据集进行多组实验，结果表明，使用多聚类特征选择算法降维到25时获取性能最优模型，多聚类特征选择算法比主成分分析法获得的模型准确率更高，基于MLEP算法获得的模型准确率达到94.81%。因此，MLEP算法能更好地预测B细胞线性表位，对于表位预测研究具有一定的参考价值。关键词：生物信息论与生物控制论;B细胞;线性表位预测;长短期记忆网络;

    河北工业科技 2019年5期2019-09-10

  • 基于多尺度分解和深度学习的锂电池寿命预测
    网络;长短期记忆网络（LSTM）1 基于多尺度分解和深度神经网络的集成预测方法1.1 SOH指标锂电池在使用过程中，随着充、放电周期的增加，SOH一般呈现下降趋势。电池容量作为SOH的重要指标，当容量衰退到一定程度时，电池将无法继续正常工作，达到寿命终点.1.2 基于EEMD与CA的多尺度分解n经验模态分解（EMD）是对非平稳信号进行分析的方法，它將信号分解为本征模态函数（IMF）和余量，自适应地表示信号中的局部特征和全局退化趋势。EMD在分解时容易产生模

    中国电气工程学报 2019年23期2019-09-10

  • 基于层次注意力机制神经网络模型的虚假评论识别
    网络;长短期记忆网络Abstract： Concerning the problem that traditional discrete models fail to capture global semantic information of whole comment text in deceptive review detection， a hierarchical neural network model with attention mechan

    计算机应用 2019年7期2019-09-04

  • 基于长短期记忆的车辆行为动态识别网络
    行为;长短期记忆网络;高级辅助驾驶;深度学习;卷积神经网络Abstract：In the advanced assisted driving device， machine vision technology was used to process the video of vehicles in front in real time to dynamically recognize and predict the posture and behavior

    计算机应用 2019年7期2019-09-04

  • 基于深层长短期记忆网络与批规范化的间歇过程故障检测方法
    种基于长短期记忆网络（LSTM）与批规范化（BN）结合的监督学习方法，不需要对原始数据的分布进行假设。首先，对间歇过程原始数据运用一种按变量展开并连续采样的预处理方式，使处理后的数据可以向LSTM单元输入;然后，利用改进的深层LSTM网络进行特征学习，该网络通过添加BN层，结合交叉熵损失的表示方法，可以有效提取间歇过程数据的特征并进行快速学习;最后，在一类半导体蚀刻过程上进行仿真实验。实验结果表明，所提方法比多元线性主成分分析（MPCA）方法故障识别的种类

    计算机应用 2019年2期2019-08-01

  • 基于多注意力多尺度特征融合的图像描述生成算法
    键词：长短期记忆网络;图像描述;多注意力机制;多尺度特征融合;深度神经网络中图分类号： TP391.41文献标志码：AAbstract： Focusing on the issues of low quality of image caption， insufficient utilization of image features and single-level structure of recurrent neural network in imag

    计算机应用 2019年2期2019-08-01

  • 基于注意力机制的行人轨迹预测生成模型
    ：針对长短期记忆网络（LSTM）在行人轨迹预测问题中孤立考虑单个行人，且无法进行多种可能性预测的问题，提出基于注意力机制的行人轨迹预测生成模型（AttenGAN），来对行人交互模式进行建模和概率性地对多种合理可能性进行预测。AttenGAN包括一个生成器和一个判别器，生成器根据行人过去的轨迹概率性地对未来进行多种可能性预测，判别器用来判断一个轨迹是真实的还是由生成器伪造生成的，进而促进生成器生成符合社会规范的预测轨迹。生成器由一个编码器和一个解码器组成，在

    计算机应用 2019年3期2019-07-31

  • 从餐馆评论中提取方面术语
    提取;长短期记忆网络;注意力机制;展望文章编号： 2095-2163（2019）03-0259-04 中图分类号： TP391.1 文献标志码： A0 引 言随着互联网的快速发展，网上购物、网上点餐等方便快捷的生活方式日益深入人们的生活。与之相适应的是，人们在这些平台上发表的评论信息也正在呈指数级的方式增长。这些信息数量庞大，在一定程度上有着重要的研究价值。对这些评论信息进行分析，不仅能引导消费者的消费行为，而且有利于商家掌握消费者需求，从而有针对性地做出

    智能计算机与应用 2019年3期2019-07-01

  • 基于小波长短期记忆网络的风电功率超短期概率预测
    于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理，再建立各子序列样本的LSTM网络预测模型，借助最大似然估计法估计预测误差的高斯分布函数，最终实现对未来4 h時刻的风电功率概率区间预测.最后，采用中国东北某风电场数据对所提方法进行算例分析，结果表明，将小波分解与深度学习方法结合可以较好地提高预测的精度，提高概率预测的区间可靠性.关键词：小波分解;长短期记忆网络;风电功率;概率预测

    南京信息工程大学学报 2019年4期2019-05-30

  • 多种算法对不同中文文本分类效果比较研究
    N）和长短期记忆网络（LSTM）3种不同分类算法，研究了不同中文文本分类问题，包括微博语料的多维细粒度情感分类、酒店评价的倾向性分析和新闻文本的主题分类。将3种分类模型在不同文本中的分类效果进行对比，结果显示这3种算法对于不同的中文分类效果各有不同：不同维度的词向量对准确率等评价指标影响很大；支持向量机模型更适合于细粒度的微博情感分类；卷积神经网络、长短期记忆网络算法更适合于噪声小、文本长且规范的新闻主题分类任务。分类粒度会对算法准确性产生影响，粒度越细、

    软件导刊 2019年5期2019-05-24

  • LSTM—RBM—NMS模型下的视频人脸检测方法研究
    集输入长短期记忆网络（Long Short-Term Memory， LSTM）网络中，在 LSTM网络中加入批量归一化（Batch Normalization， BN）算法，在预训练的模型中，采用受限玻尔兹曼机代替全连接层。然后将预训练好的模型去除softmax分类器，使用支持向量机（Support Vector Machine， SVM）分类器进行代替，最后采用非极大值抑制算法消除多余的窗口，最后得到视频人脸检测结果。实验结果表明，通过使用本文提出的L

    电脑知识与技术 2019年4期2019-05-24

  • 基于关注度网络的行为识别
    关注度长短期记忆网络（spatial-Temporal Attention Long-Short Term Memory.STA-LSTM）的行为识别框架，提高了行为识别效率。利用GoogLeNet逐层卷积视频帧，自动聚合蕴含边、角和线等底层特征以生成具有显著结构性的高层语义特征。在LSTM中引入关注度网络来学习关注度权重，利用光流掩膜分割有效的运动前景区域，从而优化关注度权重，将其与卷积特征相结合作为STA-LSTM模型的输入特征，从而进行行为识别。在U

    智能计算机与应用 2019年6期2019-03-11

  • 基于GA和LSTM的智能交通灯调度方法
    方法和长短期记忆网络的交通灯调度方法。该方法首先使用LSTM模型对历史数据进行训练，并结合当前单位时间的车流量预测下一单位时间的交通流变化趋势，然后采用GA根据预测值从众多方案中筛选出最佳交通灯调度方案并最终交由路网交通灯执行。实验结果表明，该方法可以有效提高交通效率并极大地缓解交通拥堵。关键词：智能交通灯调度;GA;LSTM;遗传方法;长短期记忆网络;交通路网中图分类号：TP393.4文献标识码：A文章编号：2095-1302（2019）12-00-05

    物联网技术 2019年12期2019-01-10

  • 基于多尺度卷积的船舶行为识别方法
    卷积;长短期记忆网络;海上交通中图分类号： TP391.4文献标志码：AShip behavior recognition method based on multi-scale convolutionWANG Lilin， LIU Jun*（Fundamental Science on Communication Information Transmission and Fusion Technology Laboratory（Hangzhou Dian

    计算机应用 2019年12期2019-01-06

  • 餐饮业客流预测的深度联合模型
    ，通过长短期记忆网络（LSTM）建模客流历史趋势等时序特征，通过深度神经网络（DNN）建模餐厅的静态属性和静态时空特征，并将两个网络结合，进行联合训练。基于（Holdings，2018）数据集上829家餐厅的历史客流和餐厅属性数据，我们建立了通用的的餐饮客流预测模型，可供餐饮企业在缺乏历史数据积累的情况下直接应用，模型在下一日客流预测问题上取得了较优的精度（MAPE=03611），对比常见的基线模型预测性能有显著提高；【关键词】餐饮客流预测；深度学习；长短

    商情 2018年47期2018-11-26

热门标签

关于参考网