期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于行为识别的课堂深度学习成绩预测模型研究
1
作者
胡富珍
王晓东
卜彩丽
《中国教育信息化》
2023年第9期108-118,共11页
课堂学习行为智能识别和大数据分析为课堂高阶认知评价带来契机。利用数据技术挖掘学生课堂学习行为对深度学习成绩的影响关系,解决识别与评价课堂高阶认知不足的现实问题。以英语和化学两门学科为例,以课堂学习行为为自变量,以测试试...
课堂学习行为智能识别和大数据分析为课堂高阶认知评价带来契机。利用数据技术挖掘学生课堂学习行为对深度学习成绩的影响关系,解决识别与评价课堂高阶认知不足的现实问题。以英语和化学两门学科为例,以课堂学习行为为自变量,以测试试卷深度学习成绩为因变量,通过高斯消元、回代总样本求均方差最优解等算法,分析出课堂“听讲”“阅读”等8种课堂行为对深度学习成绩的权重影响,构建课堂学习行为与深度学习成绩间的预测模型,依据模型可识别和评价学生的高阶认知是否发生,为常态课堂高阶认知规模化评价提供科学依据和技术支撑。
展开更多
关键词
行为识别
深度
学习
深度
学习
成绩
预测
模型
过程性评价
下载PDF
职称材料
基于深度学习的全球平均表面温度年际信号时间序列的预测
被引量:
1
2
作者
罗德杨
郑飞
陈权亮
《气候与环境研究》
CSCD
北大核心
2022年第1期94-104,共11页
利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)有效地分解了全球平均表面温度(Global Mean Surface Temperature,GMST)时间序列,得到其不同尺度的、不同特征的子序列(Intrinsic Mode Function,IMF)。在此基础上,...
利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)有效地分解了全球平均表面温度(Global Mean Surface Temperature,GMST)时间序列,得到其不同尺度的、不同特征的子序列(Intrinsic Mode Function,IMF)。在此基础上,利用在预测长期、复杂、非线性变化的时间序列上具有显著优势的滑动自回归机器学习(Autoregressive Integrated Moving Average,ARIMA)模型和长短期记忆网络(Long Short-Term Memory,LSTM)模型开展GMST年际信号预测研究。结果表明:深度学习模型LSTM能很好地拟合并预测了长程相关性强的子序列(第2~6个IMF),而代表GMST年际尺度变化的IMF1则在一定程度上受到太平洋大西洋多重气候信号的影响和调制,因此进一步将3个气候指数作为预报前兆因子加入预测模型来更准确地预测IMF1的时间演变。通过利用多套GMST数据的对比,最终选定了考虑实时ENSO信息的LSTM(ENSO)模型来提前预测年际GMST信号,并预测2020年将有较大概率会成为史上最热的年份之一。
展开更多
关键词
全球平均表面温度
年际信号时间序列
预测
集合经验模态分解
长短期记忆神经网络
深度学习预测模型
下载PDF
职称材料
基于多种模型的流量预测研究
3
作者
高轶
霍永华
胡晓彦
《计算机与网络》
2022年第16期50-54,共5页
6G是下一代无线通信网络的发展方向,6G网络要求更高的峰值数据速率、移动性和更无处不在的智能连接。由于不同的场景和业务需要不同的网络切片(Network Slicing)承载,网络的性能指标各异,对各种资源的需求量也不尽相同,因此需要对网络...
6G是下一代无线通信网络的发展方向,6G网络要求更高的峰值数据速率、移动性和更无处不在的智能连接。由于不同的场景和业务需要不同的网络切片(Network Slicing)承载,网络的性能指标各异,对各种资源的需求量也不尽相同,因此需要对网络流量在时间和空间上进行预测。对时空流量建模,并提出了3种以深度学习为基础的流量预测方法:基于深度学习的时空数据预测模型(DeepST)、残差网络(ResNet)模型和卷积长短期记忆网络模型(ConvLSTM),针对每种模型的应用场景和优劣予以研究陈述,在此基础上完成模型的有效性验证和比较;最后,仿真验证。仿真结果表明,基于ResNet的流量预测模型预测效果更佳。
展开更多
关键词
流量
预测
深度
学习
基于
深度
学习
的时空数据
预测
模型
残差网络
模型
卷积长短期记忆网络
模型
下载PDF
职称材料
复杂地层中盾构掘进速度的调控分析——以新建铁路横琴至珠海机场段HJZQ-2标隧道工程为例
被引量:
5
4
作者
朱小藻
《隧道建设(中英文)》
北大核心
2020年第S01期107-114,共8页
为解决复杂软弱地层中土压平衡盾构掘进速度难以用理论方法预测调控的问题,基于皮尔森相关系数分析了掘进参数与掘进速度的相关性,并提出盾构掘进速度的深度学习预测模型。模型运用粒子群优化算法对BP神经网络的权值与偏置值进行优化,...
为解决复杂软弱地层中土压平衡盾构掘进速度难以用理论方法预测调控的问题,基于皮尔森相关系数分析了掘进参数与掘进速度的相关性,并提出盾构掘进速度的深度学习预测模型。模型运用粒子群优化算法对BP神经网络的权值与偏置值进行优化,以克服基于梯度下降算法的传统BP神经网络易陷入局部最小值和预测误差大等缺点,预测模型将地质参数与掘进参数作为输入值,盾构掘进速度作为输出值(预测值)。以新建铁路横琴至珠海机场段HJZQ-2标隧道工程为依托,基于贯入度与掘进速度的相关性最高且呈正相关的分析结果,采用监测数据对模型进行训练,利用训练后的深度学习模型对掘进速度进行预测分析。结果显示,具有2层隐藏层的深度学习PSO-BP模型的预测误差基本控制在±4 mm/min(误差在10%以内),满足实际工程要求,从而验证了模型的有效性与适用性。
展开更多
关键词
隧道工程
土压平衡盾构
掘进速度
PSO-BP
深度学习预测模型
下载PDF
职称材料
题名
基于行为识别的课堂深度学习成绩预测模型研究
1
作者
胡富珍
王晓东
卜彩丽
机构
河南师范大学教育学部
河南师范大学计算机与信息工程学院
出处
《中国教育信息化》
2023年第9期108-118,共11页
基金
2023年河南省教师教育课程改革课题研究项目一般项目“基于虚拟研究室的‘学科主导名师引领’优师计划师范生培养模式创新与实践”(编号:2023-JSJYYB-027)
2022年河南省基础教育教学研究项目“基于行为识别的过程性评价模型构建及教学应用研究”(编号:JCJYB2225000502)。
文摘
课堂学习行为智能识别和大数据分析为课堂高阶认知评价带来契机。利用数据技术挖掘学生课堂学习行为对深度学习成绩的影响关系,解决识别与评价课堂高阶认知不足的现实问题。以英语和化学两门学科为例,以课堂学习行为为自变量,以测试试卷深度学习成绩为因变量,通过高斯消元、回代总样本求均方差最优解等算法,分析出课堂“听讲”“阅读”等8种课堂行为对深度学习成绩的权重影响,构建课堂学习行为与深度学习成绩间的预测模型,依据模型可识别和评价学生的高阶认知是否发生,为常态课堂高阶认知规模化评价提供科学依据和技术支撑。
关键词
行为识别
深度
学习
深度
学习
成绩
预测
模型
过程性评价
Keywords
Behavior recognition
Deep learning
Deep learning performance prediction model
Process based evaluation
分类号
G434 [文化科学—教育技术学]
G632.0 [文化科学—教育学]
下载PDF
职称材料
题名
基于深度学习的全球平均表面温度年际信号时间序列的预测
被引量:
1
2
作者
罗德杨
郑飞
陈权亮
机构
成都信息工程大学大气科学学院
中国科学院大气物理研究所国际气候与环境研究中心
出处
《气候与环境研究》
CSCD
北大核心
2022年第1期94-104,共11页
基金
国家自然科学基金项目41876012、41861144015。
文摘
利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)有效地分解了全球平均表面温度(Global Mean Surface Temperature,GMST)时间序列,得到其不同尺度的、不同特征的子序列(Intrinsic Mode Function,IMF)。在此基础上,利用在预测长期、复杂、非线性变化的时间序列上具有显著优势的滑动自回归机器学习(Autoregressive Integrated Moving Average,ARIMA)模型和长短期记忆网络(Long Short-Term Memory,LSTM)模型开展GMST年际信号预测研究。结果表明:深度学习模型LSTM能很好地拟合并预测了长程相关性强的子序列(第2~6个IMF),而代表GMST年际尺度变化的IMF1则在一定程度上受到太平洋大西洋多重气候信号的影响和调制,因此进一步将3个气候指数作为预报前兆因子加入预测模型来更准确地预测IMF1的时间演变。通过利用多套GMST数据的对比,最终选定了考虑实时ENSO信息的LSTM(ENSO)模型来提前预测年际GMST信号,并预测2020年将有较大概率会成为史上最热的年份之一。
关键词
全球平均表面温度
年际信号时间序列
预测
集合经验模态分解
长短期记忆神经网络
深度学习预测模型
Keywords
Global mean surface temperature
Prediction of inter-annual signal
Ensemble Empirical Mode Decomposition(EEMD)
Long Short-Term Memory(LSTM)
Deep learning prediction model
分类号
P466 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
基于多种模型的流量预测研究
3
作者
高轶
霍永华
胡晓彦
机构
海装装备项目管理中心
中国电子科技集团公司第五十四研究所
中华通信系统有限责任公司河北分公司
出处
《计算机与网络》
2022年第16期50-54,共5页
文摘
6G是下一代无线通信网络的发展方向,6G网络要求更高的峰值数据速率、移动性和更无处不在的智能连接。由于不同的场景和业务需要不同的网络切片(Network Slicing)承载,网络的性能指标各异,对各种资源的需求量也不尽相同,因此需要对网络流量在时间和空间上进行预测。对时空流量建模,并提出了3种以深度学习为基础的流量预测方法:基于深度学习的时空数据预测模型(DeepST)、残差网络(ResNet)模型和卷积长短期记忆网络模型(ConvLSTM),针对每种模型的应用场景和优劣予以研究陈述,在此基础上完成模型的有效性验证和比较;最后,仿真验证。仿真结果表明,基于ResNet的流量预测模型预测效果更佳。
关键词
流量
预测
深度
学习
基于
深度
学习
的时空数据
预测
模型
残差网络
模型
卷积长短期记忆网络
模型
Keywords
traffic predicting
deep learning
DeepST
ResNet
ConvLSTM
分类号
TP319 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
复杂地层中盾构掘进速度的调控分析——以新建铁路横琴至珠海机场段HJZQ-2标隧道工程为例
被引量:
5
4
作者
朱小藻
机构
中铁十六局集团北京轨道交通工程建设有限公司
出处
《隧道建设(中英文)》
北大核心
2020年第S01期107-114,共8页
基金
中铁十六局集团有限公司科技研发计划(JSHT-20190421)
文摘
为解决复杂软弱地层中土压平衡盾构掘进速度难以用理论方法预测调控的问题,基于皮尔森相关系数分析了掘进参数与掘进速度的相关性,并提出盾构掘进速度的深度学习预测模型。模型运用粒子群优化算法对BP神经网络的权值与偏置值进行优化,以克服基于梯度下降算法的传统BP神经网络易陷入局部最小值和预测误差大等缺点,预测模型将地质参数与掘进参数作为输入值,盾构掘进速度作为输出值(预测值)。以新建铁路横琴至珠海机场段HJZQ-2标隧道工程为依托,基于贯入度与掘进速度的相关性最高且呈正相关的分析结果,采用监测数据对模型进行训练,利用训练后的深度学习模型对掘进速度进行预测分析。结果显示,具有2层隐藏层的深度学习PSO-BP模型的预测误差基本控制在±4 mm/min(误差在10%以内),满足实际工程要求,从而验证了模型的有效性与适用性。
关键词
隧道工程
土压平衡盾构
掘进速度
PSO-BP
深度学习预测模型
Keywords
tunnel engineering
EPB shield
advancing speed
PSO-BP deep learning prediction model
分类号
U455.43 [建筑科学—桥梁与隧道工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于行为识别的课堂深度学习成绩预测模型研究
胡富珍
王晓东
卜彩丽
《中国教育信息化》
2023
0
下载PDF
职称材料
2
基于深度学习的全球平均表面温度年际信号时间序列的预测
罗德杨
郑飞
陈权亮
《气候与环境研究》
CSCD
北大核心
2022
1
下载PDF
职称材料
3
基于多种模型的流量预测研究
高轶
霍永华
胡晓彦
《计算机与网络》
2022
0
下载PDF
职称材料
4
复杂地层中盾构掘进速度的调控分析——以新建铁路横琴至珠海机场段HJZQ-2标隧道工程为例
朱小藻
《隧道建设(中英文)》
北大核心
2020
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部