F_(10.7)指数是太阳活动的重要指标,准确预测F_(10.7)指数有助于预防和缓解太阳活动对无线电通信、导航和卫星通信等领域的影响.基于F_(10.7)射电流量的特性,在双向长短时记忆网络(Bidirectional Long Short-Term Memory Network,BiLSTM...F_(10.7)指数是太阳活动的重要指标,准确预测F_(10.7)指数有助于预防和缓解太阳活动对无线电通信、导航和卫星通信等领域的影响.基于F_(10.7)射电流量的特性,在双向长短时记忆网络(Bidirectional Long Short-Term Memory Network,BiLSTM)基础上融入注意力机制(Attention),提出了一种基于BiLSTM-Attention的F_(10.7)预报模型.在加拿大DRAO数据集上其平均绝对误差(MAE)为5.38,平均绝对百分比误差(MAPE)控制在5%以内,相关系数(R)高达0.987,与其他RNN模型相比拥有优越的预测性能.针对中国廊坊L&S望远镜观测的F_(10.7)数据集,提出了一种转换平均校准(Conversion Average Calibration,CAC)方法进行数据预处理,处理后的数据与DRAO数据集具有较高的相关性.基于该数据集对比分析了RNN系列模型的预报效果,实验结果表明,BiLSTM-Attention和BiLSTM两种模型在预测F_(10.7)指数方面具有较好的优势,表现出较好的预测性能和稳定性.展开更多
汽车路噪的分析与治理是NVH(Noise,Vibration And Harshness)工作的重要组成部分。由于路噪的产生机理复杂,建立机理模型较困难,故引入数据驱动方法对路噪进行研究。首先,对路噪影响因素进行剖析,界定出具有显著性的影响因素。在此基础...汽车路噪的分析与治理是NVH(Noise,Vibration And Harshness)工作的重要组成部分。由于路噪的产生机理复杂,建立机理模型较困难,故引入数据驱动方法对路噪进行研究。首先,对路噪影响因素进行剖析,界定出具有显著性的影响因素。在此基础上,运用长短时记忆神经网络算法(LSTM)揭示路噪与其影响因素间的复杂非线性关系,建立路噪预测模型。进而在粗糙沥青路面分别以40 km/h、60 km/h的车速工况采集悬架相关部件振动数据和驾驶员右耳畔噪声数据,以获得样本用于路噪模型的训练和检验。并采用Mixup数据增强策略合成新的样本,从而使样本量不足状况得到改善。进一步,对LSTM路噪预测模型进行检验与分析,测试结果均方误差为0.076 2,表明预测效果良好,证明所提方法的有效性。同时,将BPNN、SVR与LSTM预测方法进行比较,发现LSTM路噪预测模型精度更高,泛化能力更好,从而证明该方法的优越性。展开更多
Alzheimer＇s disease（AD）redefined：For the past century,AD has been defined as a disease of progressive cognitive decline paired with a burden of amyloid-β（Aβ）plaques and pathologic tau tangles in the hippocampu...Alzheimer＇s disease（AD）redefined：For the past century,AD has been defined as a disease of progressive cognitive decline paired with a burden of amyloid-β（Aβ）plaques and pathologic tau tangles in the hippocampus and forebrain.However,a recent Framework paper jointly sponsored by the National Institute on Aging and the Alzheimer＇s Association（Jack et al.,2018）proposes new classification guidelines for AD,which,if adopted,will have profoundconsequences for the future management of AD.展开更多
文摘F_(10.7)指数是太阳活动的重要指标,准确预测F_(10.7)指数有助于预防和缓解太阳活动对无线电通信、导航和卫星通信等领域的影响.基于F_(10.7)射电流量的特性,在双向长短时记忆网络(Bidirectional Long Short-Term Memory Network,BiLSTM)基础上融入注意力机制(Attention),提出了一种基于BiLSTM-Attention的F_(10.7)预报模型.在加拿大DRAO数据集上其平均绝对误差(MAE)为5.38,平均绝对百分比误差(MAPE)控制在5%以内,相关系数(R)高达0.987,与其他RNN模型相比拥有优越的预测性能.针对中国廊坊L&S望远镜观测的F_(10.7)数据集,提出了一种转换平均校准(Conversion Average Calibration,CAC)方法进行数据预处理,处理后的数据与DRAO数据集具有较高的相关性.基于该数据集对比分析了RNN系列模型的预报效果,实验结果表明,BiLSTM-Attention和BiLSTM两种模型在预测F_(10.7)指数方面具有较好的优势,表现出较好的预测性能和稳定性.
文摘Alzheimer＇s disease（AD）redefined：For the past century,AD has been defined as a disease of progressive cognitive decline paired with a burden of amyloid-β（Aβ）plaques and pathologic tau tangles in the hippocampus and forebrain.However,a recent Framework paper jointly sponsored by the National Institute on Aging and the Alzheimer＇s Association（Jack et al.,2018）proposes new classification guidelines for AD,which,if adopted,will have profoundconsequences for the future management of AD.
