期刊文献+
共找到5,322篇文章
< 1 2 250 >
每页显示 20 50 100
Text Sentiment Analysis Based on Multi-Layer Bi-Directional LSTM with a Trapezoidal Structure
1
作者 Zhengfang He Cristina E.Dumdumaya Ivy Kim D.Machica 《Intelligent Automation & Soft Computing》 SCIE 2023年第7期639-654,共16页
Sentiment analysis,commonly called opinion mining or emotion artificial intelligence(AI),employs biometrics,computational linguistics,nat-ural language processing,and text analysis to systematically identify,extract,m... Sentiment analysis,commonly called opinion mining or emotion artificial intelligence(AI),employs biometrics,computational linguistics,nat-ural language processing,and text analysis to systematically identify,extract,measure,and investigate affective states and subjective data.Sentiment analy-sis algorithms include emotion lexicon,traditional machine learning,and deep learning.In the text sentiment analysis algorithm based on a neural network,multi-layer Bi-directional long short-term memory(LSTM)is widely used,but the parameter amount of this model is too huge.Hence,this paper proposes a Bi-directional LSTM with a trapezoidal structure model.The design of the trapezoidal structure is derived from classic neural networks,such as LeNet-5 and AlexNet.These classic models have trapezoidal-like structures,and these structures have achieved success in the field of deep learning.There are two benefits to using the Bi-directional LSTM with a trapezoidal structure.One is that compared with the single-layer configuration,using the of the multi-layer structure can better extract the high-dimensional features of the text.Another is that using the trapezoidal structure can reduce the model’s parameters.This paper introduces the Bi-directional LSTM with a trapezoidal structure model in detail and uses Stanford sentiment treebank 2(STS-2)for experiments.It can be seen from the experimental results that the trapezoidal structure model and the normal structure model have similar performances.However,the trapezoidal structure model parameters are 35.75%less than the normal structure model. 展开更多
关键词 Text sentiment bi-directional lstm Trapezoidal structure
下载PDF
Application of CFD and FEA Coupling to Predict Structural Dynamic Responses of A Trimaran in Uni-and Bi-Directional Waves
2
作者 LIAO Xi-yu XIA Jin-song +4 位作者 CHEN Zhan-yang TANG Qin ZHAO Nan ZHAO Wei-dong GUI Hong-bin 《China Ocean Engineering》 SCIE EI CSCD 2024年第1期81-92,共12页
To predict the wave loads of a flexible trimaran in different wave fields,a one-way interaction numerical simulation method is proposed by integrating the fluid solver(Star-CCM+)and structural solver(Abaqus).Differing... To predict the wave loads of a flexible trimaran in different wave fields,a one-way interaction numerical simulation method is proposed by integrating the fluid solver(Star-CCM+)and structural solver(Abaqus).Differing from the existing coupled CFD-FEA method for monohull ships in head waves,the presented method equates the mass and stiffness of the whole ship to the hull shell so that any transverse and longitudinal section stress of the hull in oblique waves can be obtained.Firstly,verification study and sensitivity analysis are carried out by comparing the trimaran motions using different mesh sizes and time step schemes.Discussion on the wave elevation of uni-and bi-directional waves is also carried out.Then a comprehensive analysis on the structural responses of the trimaran in different uni-directional regular wave and bi-directional cross sea conditions is carried out,respectively.Finally,the differences in structural response characteristics of trimaran in different wave fields are studied.The results show that the present method can reduce the computational burden of the two-way fluid-structure interaction simulations. 展开更多
关键词 CFD-FEA fluid-structure coupling structural responses TRIMARAN bi-directional cross sea
下载PDF
A chaotic hierarchical encryption/watermark embedding scheme for multi-medical images based on row-column confusion and closed-loop bi-directional diffusion
3
作者 张哲祎 牟俊 +1 位作者 Santo Banerjee 曹颖鸿 《Chinese Physics B》 SCIE EI CAS CSCD 2024年第2期228-237,共10页
Security during remote transmission has been an important concern for researchers in recent years.In this paper,a hierarchical encryption multi-image encryption scheme for people with different security levels is desi... Security during remote transmission has been an important concern for researchers in recent years.In this paper,a hierarchical encryption multi-image encryption scheme for people with different security levels is designed,and a multiimage encryption(MIE)algorithm with row and column confusion and closed-loop bi-directional diffusion is adopted in the paper.While ensuring secure communication of medical image information,people with different security levels have different levels of decryption keys,and differentiated visual effects can be obtained by using the strong sensitivity of chaotic keys.The highest security level can obtain decrypted images without watermarks,and at the same time,patient information and copyright attribution can be verified by obtaining watermark images.The experimental results show that the scheme is sufficiently secure as an MIE scheme with visualized differences and the encryption and decryption efficiency is significantly improved compared to other works. 展开更多
关键词 chaotic hierarchical encryption multi-medical image encryption differentiated visual effects row-column confusion closed-loop bi-directional diffusion transform domain watermark embedding
下载PDF
基于LSTM网络的单台仪器地震烈度预测模型 被引量:1
4
作者 李山有 王博睿 +4 位作者 卢建旗 王傲 张海峰 谢志南 陶冬旺 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2024年第2期587-599,共13页
烈度是地震预警系统的关键产出.如何实现快速预测目标场址的地震烈度是地震预警方法技术研究中的核心问题.本文提出了一种基于长短时记忆神经网络(Long Short-Term Memory,LSTM)的单台仪器地震烈度的预测模型(LSTM-Ⅰ).该模型以一个台... 烈度是地震预警系统的关键产出.如何实现快速预测目标场址的地震烈度是地震预警方法技术研究中的核心问题.本文提出了一种基于长短时记忆神经网络(Long Short-Term Memory,LSTM)的单台仪器地震烈度的预测模型(LSTM-Ⅰ).该模型以一个台站观测到地震动参数的时间序列特征为输入,实现动态预测该台站可能遭受的最大烈度.选取了日本K-NET台网记录的102次地震的5103条强震加速度记录训练了神经网络,利用89次地震的3781条数据检验了模型的泛化能力.利用准确率、漏报率以及误报率三个评价指标评价了LSTM-Ⅰ模型的性能.结果表明,当采用P波触发后3 s的序列进行预测时,模型出现漏报的概率为46.78%,出现误报的概率为1.25%;当采用P波触发后10 s的序列进行预测时,模型出现漏报的概率大幅降低到17.6%,出现误报的概率降低到1.14%.结果表明LSTM-Ⅰ模型很好把握住了时间序列中蕴含的特征.进一步基于LSTM-Ⅰ模型评估了Ⅵ度下台站所能提供的预警时间.本文模型能够提供的预警时间与P-S波到时差接近,说明LSTM-Ⅰ模型具有较高的时效性. 展开更多
关键词 地震预警 时间序列特征 lstm神经网络 仪器地震烈度 预测
下载PDF
基于Bayes-LSTM的公路隧道围岩变形预测方法研究 被引量:1
5
作者 刘智 李欣雨 +2 位作者 李震 孔宪光 常建涛 《中外公路》 2024年第1期166-176,共11页
在公路隧道施工过程中,围岩的稳定性对隧道施工的影响较大。因此公路隧道围岩变形的监控量测与准确预测是保障隧道施工安全的关键。针对当前隧道围岩变形的预测精度较低以及泛化能力较差等问题,该文提出一种基于贝叶斯(Bayes)优化长短... 在公路隧道施工过程中,围岩的稳定性对隧道施工的影响较大。因此公路隧道围岩变形的监控量测与准确预测是保障隧道施工安全的关键。针对当前隧道围岩变形的预测精度较低以及泛化能力较差等问题,该文提出一种基于贝叶斯(Bayes)优化长短期记忆网络(LSTM)的方法,该方法首先对拱顶沉降和周边收敛的原始监测数据进行预处理,而后构建公路隧道拱顶沉降与周边收敛的初始LSTM模型,并利用Bayes优化模型中的超参数,最终得出预测结果。利用该模型对某公路隧道拱顶沉降和周边收敛进行预测,将预测结果以均方根误差为评价指标与神经网络(CNN)和支持向量回归(SVR)进行对比。预测拱顶沉降时,Bayes-LSTM模型的平均预测精度相较于CNN与SVR模型分别提高了1.0与1.26;预测周边收敛时,Bayes-LSTM模型平均精度相较于CNN与SVR分别提高了0.3与0.32。表明Bayes-LSTM模型的预测精度较高,同时其能在训练模型过程中对历史信息进行判断和取舍,极大地提高了时序数据处理的效率,为公路隧道围岩变形预测提供了新的思路和探索。 展开更多
关键词 公路隧道 围岩变形 数据分析 lstm 贝叶斯优化
下载PDF
基于融合注意力机制LSTM网络的地下水位自适应鲁棒预测 被引量:2
6
作者 佃松宜 厉潇滢 +2 位作者 杨丹 芮胜阳 郭斌 《工程科学与技术》 EI CAS CSCD 北大核心 2024年第1期54-64,共11页
地下水水位是旱天污水管网地下水入渗量的重要影响因素,快速精准地预测地下水水位能有效提升旱天污水管网地下水入渗量估算准确度,辅助优化管网病害治理与维护策略。针对目前城市复杂水文预测存在的准确度低、灵敏度低、泛化能力弱等问... 地下水水位是旱天污水管网地下水入渗量的重要影响因素,快速精准地预测地下水水位能有效提升旱天污水管网地下水入渗量估算准确度,辅助优化管网病害治理与维护策略。针对目前城市复杂水文预测存在的准确度低、灵敏度低、泛化能力弱等问题,本文提出了一种新的鲁棒自适应水位预测算法。首先,对水文数据进行预处理,解决了数据时间跨度大、噪声多、缺失及异常、非平稳等问题。其次,针对不同输入特征对预测指标的影响,在模型训练阶段提出一种新的空间变量注意机制,可快速识别与水位关联的关键变量,并对输入特征赋予不同的影响权重。然后,针对不同序列长度对预测效果的影响,还设计了自适应时间注意力机制,帮助网络自适应地找出与不同时间序列长度预测指标相关的编码器隐藏状态,以更好地捕捉时间上的依赖关系。在此基础上,以上下文向量作为输入,提出一种融合注意力机制的长短时记忆网络水文预测算法。最后,通过意大利Petrignano水文数据验证了所提算法的有效性,并与GRU、Elman、LSTM、VA–LSTM和S–LSTM等方法进行预测性能比较。结果表明,基于融合注意力机制的LSTM网络在面临大规模、噪点多的复杂数据时有优于其它几种算法的预测效果,表明该算法具有强自适应性和鲁棒性。本文研究结果可以为市政排水策略合理调整、及时控制提供参考。 展开更多
关键词 地下水位预测 时间与空间注意力机制 lstm网络 自适应预测 鲁棒预测
下载PDF
基于CNN-LSTM的大坝变形组合预测模型研究 被引量:1
7
作者 王润英 林思雨 +1 位作者 方卫华 赵凯文 《水力发电》 CAS 2024年第1期37-41,52,共6页
为了提高大坝变形预测模型精度和泛化能力,建立了一种基于卷积神经网络(Convolutional neural networks,CNN)与深度学习长短期记忆(Long short-term memory,LSTM)神经网络的组合预测模型CNN-LSTM。该模型先利用CNN提取大坝变形监测时间... 为了提高大坝变形预测模型精度和泛化能力,建立了一种基于卷积神经网络(Convolutional neural networks,CNN)与深度学习长短期记忆(Long short-term memory,LSTM)神经网络的组合预测模型CNN-LSTM。该模型先利用CNN提取大坝变形监测时间序列的特征,再利用LSTM生成特征描述,该模型精度高、泛化能力强。以柏叶口水库混凝土面板堆石坝为例,经过CNN-LSTM模型计算,将模型变形预测值与原型监测资料进行对比,再与LSTM模型及CNN模型的预测结果进行对比。结果表明,CNN-LSTM模型预测值最接近监测资料实测结果。 展开更多
关键词 大坝变形 卷积神经网络 lstm神经网络 变形预测 预测精度 柏叶口水库
下载PDF
基于GPR-LSTM的地震热红外背景场的构建方法
8
作者 宋冬梅 张曼玉 +2 位作者 单新建 崔建勇 王斌 《地震地质》 EI CSCD 北大核心 2024年第2期492-511,共20页
地震监测是一项非常重要且具有挑战性的任务,遥感技术的不断发展加强了在宏观尺度上对地球表面的监测能力。研究表明,地震前通常都会出现地表温度异常升高的现象,因此各种异常提取算法被应用于地震热异常研究中。其中,基于背景场的提取... 地震监测是一项非常重要且具有挑战性的任务,遥感技术的不断发展加强了在宏观尺度上对地球表面的监测能力。研究表明,地震前通常都会出现地表温度异常升高的现象,因此各种异常提取算法被应用于地震热异常研究中。其中,基于背景场的提取方法由于具有较强的机理解释性而受到广泛应用。然而,以往基于背景场的异常提取方法更多将背景场限定于某一固定阈值,忽略了受外界因素(非震)影响导致的地表温度的小范围正常波动。据此,文中提出了一种基于GPR-LSTM的地震热红外背景场的构建方法。该方法包括两大部分:震期年变基准场的建立、实际LST的残差波动范围计算及背景场的构建。基于MODIS地表温度产品,以2008年四川汶川和新疆于田地震为研究对象,使用所述方法对地震前兆热异常信息进行提取与分析,经过实验得出以下结论:1)地震热异常通常沿青藏高原的断层分布,这不仅证明了文中方法能够减弱地表温度数据中噪声的干扰,同时也证明该方法在热异常信息提取方面的有效性;2)地震年份的构造活动比非地震年份更加活跃,导致地表温度的异常增温更加明显;3)不同地震案例震前的热异常时空特征各不相同。 展开更多
关键词 背景场 热异常 地震前兆 GPR lstm
下载PDF
基于LSTM的高压输电电缆接头异常预警系统设计
9
作者 贾俊青 思勤 +2 位作者 段玮頔 邓凤婷 董文娟 《电子设计工程》 2024年第2期78-82,共5页
高压输电电缆接头异常预警容易受到谐波电流影响,导致预警效果不佳,为此设计了基于LSTM的高压输电电缆接头异常预警系统。检测高压输电电缆接头异常电流谐波,获取电缆接头介质状态。设计CC2430微处理器预警模块,负责处理预警区域内电流... 高压输电电缆接头异常预警容易受到谐波电流影响,导致预警效果不佳,为此设计了基于LSTM的高压输电电缆接头异常预警系统。检测高压输电电缆接头异常电流谐波,获取电缆接头介质状态。设计CC2430微处理器预警模块,负责处理预警区域内电流数据。构建接地线电流检测模块,负责评估电缆接头异常。构建LSTM神经网络预警模型,对比分析实时状态与模型中检测点状态,获取当前电缆接头状态的预测值。采用移动平均技术分析电流数据的整体变化走向,判断电流预测数据与阈值关系,根据系统指示灯颜色区分异常等级。由实验结果可知,该系统电流数值最大值为125 A,变化曲线与实际曲线一致,说明该系统的预警效果较好。 展开更多
关键词 lstm 输电电缆 接头异常 预警系统
下载PDF
融合GA-Attention-LSTM算法的温室樱桃环境参数预测与裂果预警
10
作者 胡玲艳 邱绍航 +3 位作者 李国强 许巍 刘艳 汪祖民 《中国农机化学报》 北大核心 2024年第1期169-176,共8页
针对温室环境因素对樱桃的影响,设计一套大樱桃温室环境自动监测装置,用来采集温室内的环境参数值为樱桃裂果提供数字化预警支持及防治方案。基于采集的环境参数值,首先使用相关性分析得出与棚内裂果具有强相关性的环境参数特征;其次使... 针对温室环境因素对樱桃的影响,设计一套大樱桃温室环境自动监测装置,用来采集温室内的环境参数值为樱桃裂果提供数字化预警支持及防治方案。基于采集的环境参数值,首先使用相关性分析得出与棚内裂果具有强相关性的环境参数特征;其次使用滑动窗口方法将输入的环境特征生成时间序列矩阵形式;随后提出一种融合GA-Attention-LSTM算法的预测模型,实现精准预测棚内的环境参数的功能;最后通过SPSS数据分析软件来分析不同大棚的环境参数和裂果率。所提的融合GA-Attention-LSTM算法的预测模型的平均绝对误差为0.112,均方误差为0.087,相比于LSTM网络模型高出12.80%和9.72%,对环境参数的预测精度更高,同时得出一套科学的樱桃环境参数值范围,为预测模型对樱桃裂果数字化预警提供有力支持。 展开更多
关键词 智慧农业 温室樱桃 lstm模型 环境参数 裂果预警 精准预测
下载PDF
基于LSTM算法的玉米籽粒储藏温度预测
11
作者 陈思羽 徐爱迪 +4 位作者 王贞旭 于添 宋婉欣 乔睿 吴文福 《实验技术与管理》 CAS 北大核心 2024年第1期57-62,共6页
为减少储粮损失和虫霉等的发生,该文利用自制试验仓及检测系统检测储藏玉米籽粒不同位置的粮温,分析粮堆温度变化及整个粮堆热量的传递过程。试验结果表明,仓外环境温度对粮温影响较大,仓内粮食温度变化与仓外环境温度变化相比较为滞后... 为减少储粮损失和虫霉等的发生,该文利用自制试验仓及检测系统检测储藏玉米籽粒不同位置的粮温,分析粮堆温度变化及整个粮堆热量的传递过程。试验结果表明,仓外环境温度对粮温影响较大,仓内粮食温度变化与仓外环境温度变化相比较为滞后,粮堆第一层2号位置温度在检测周期中一直处于较低状态,温度最高位置出现在第四层12号位置。基于粮堆温度变化分析,该文开展了基于长短时记忆网络(LSTM)算法的玉米籽粒储藏粮温预测研究。结果表明:(1)对比预测值与试验值可知,粮堆第一、二、三、四层测试集的粮温准确率分别为0.62、0.89、0.83、0.79;(2)位于粮堆第二层和第三层的预测结果精度较高,试验仓粮堆底层和顶层温度易受环境温度影响,粮堆热量交换速度快,温度变化迅速,导致第一层和第四层预测结果精度偏低。该研究可为粮食储藏温度预测研究提供新思路。 展开更多
关键词 玉米籽粒 储藏 lstm算法 温度预测
下载PDF
一种融合GA和LSTM的边坡变形预测优化网络模型及其应用
12
作者 肖海平 王顺辉 +2 位作者 陈兰兰 范永超 万俊辉 《大地测量与地球动力学》 CSCD 北大核心 2024年第5期491-496,共6页
考虑到BP神经网络模型忽略边坡监测数据存在的时间相关性,以及LSTM模型由于超参数选择存在主观性而易陷入局部最优等问题,提出一种基于遗传算法和长短期记忆网络(GA-LSTM)相结合的边坡变形预测模型,以发挥遗传算法全局搜索能力和LSTM预... 考虑到BP神经网络模型忽略边坡监测数据存在的时间相关性,以及LSTM模型由于超参数选择存在主观性而易陷入局部最优等问题,提出一种基于遗传算法和长短期记忆网络(GA-LSTM)相结合的边坡变形预测模型,以发挥遗传算法全局搜索能力和LSTM预测时序数据的优势。以海明矿业露天采场边坡为研究对象,分别采用BP神经网络模型、LSTM网络模型以及GA-LSTM网络模型对边坡监测点GNSS49变形进行预测分析,并对比各模型达到收敛条件的时间。结果表明,GA-LSTM模型与其他模型达到同一收敛条件的时间差异不大,GA-LSTM模型的拟合准确度在0.1~0.2 mm,是LSTM神经网络模型的5~7倍,是BP神经网络模型的10~20倍,具有较高的精度和稳定性,其预测值与实际监测数据基本一致,可为矿山边坡的安全生产、管理以及决策控制提供科学依据。 展开更多
关键词 露天矿边坡 遗传算法 lstm神经网络 优化网络模型 变形预测
下载PDF
基于SO-LSTM的立柱液压系统故障诊断方法研究
13
作者 郗涛 董蒙蒙 +1 位作者 王莉静 张建业 《机床与液压》 北大核心 2024年第8期196-201,共6页
针对目前无法快速、准确地诊断矿用立柱液压系统故障等问题,在建立仿真模型分析单一故障机制的基础上,基于优化算法提出多种故障诊断方法。将立柱物理模块与立柱液压系统模块相结合,建立立柱液压系统仿真模型;基于Simulink分析单一故障... 针对目前无法快速、准确地诊断矿用立柱液压系统故障等问题,在建立仿真模型分析单一故障机制的基础上,基于优化算法提出多种故障诊断方法。将立柱物理模块与立柱液压系统模块相结合,建立立柱液压系统仿真模型;基于Simulink分析单一故障的影响,基于蛇优化LSTM神经网络建立诊断模型;最后,根据实际数据进行模型的实例验证。结果表明:蛇优化LSTM模型对液压立柱故障仿真数据识别率达到99.5%,对液压立柱故障真实数据识别率达到97%,与模型仿真数据的预测精度仅相差2.5%,预测精度较高,达到了预期目标。 展开更多
关键词 立柱液压系统 故障诊断 蛇优化lstm神经网络
下载PDF
基于FCM-LSTM的软件运行资源变化规律方法研究
14
作者 李春生 王胡景 +1 位作者 张可佳 富宇 《微型电脑应用》 2024年第3期1-6,共6页
软件在运行过程中会消耗资源,此过程存在两个问题,一是难以确定资源消耗发生变化的拐点,二是同一软件同一模块运行不同任务时,所产生的数据样本数量级差异过大。基于此,提出一种结合FCM和LSTM的算法研究软件运行资源变化规律的方法,利用... 软件在运行过程中会消耗资源,此过程存在两个问题,一是难以确定资源消耗发生变化的拐点,二是同一软件同一模块运行不同任务时,所产生的数据样本数量级差异过大。基于此,提出一种结合FCM和LSTM的算法研究软件运行资源变化规律的方法,利用FCM算法实现不同数量级样本间的群聚,接着把处理后的样本放入LSTM模型进行训练,进而得到资源消耗变化曲线。实验表明,通过资源消耗变化曲线能够确定拐点的类型和其出现的位置区间,进而找到软件运行资源变化规律。另外,通过对比分析,FCM-LSTM模型在解决此问题上的准确率高于其他同类型的传统算法。 展开更多
关键词 资源消耗 FCM lstm 软件行为分析
下载PDF
基于多分类LSTM的浏览器指纹识别方法
15
作者 李建伏 宋国平 《计算机应用与软件》 北大核心 2024年第4期173-178,共6页
现有基于机器学习的方法将浏览器指纹的用户识别处理成二分类问题,但该处理方式信息损失较多且识别效率低下。为解决上述问题,提出基于多分类长短期记忆网络(Long Short-Term Memory,LSTM)的浏览器指纹识别方法。其基本思路是将同一用... 现有基于机器学习的方法将浏览器指纹的用户识别处理成二分类问题,但该处理方式信息损失较多且识别效率低下。为解决上述问题,提出基于多分类长短期记忆网络(Long Short-Term Memory,LSTM)的浏览器指纹识别方法。其基本思路是将同一用户的浏览器指纹数据处理成时间序列,利用多分类LSTM模型对其进行分类,从而实现用户识别。实验结果表明,该方法比基于二分类的指纹识别方法有更高的准确率和更快的识别速度。 展开更多
关键词 浏览器指纹 lstm 用户识别
下载PDF
基于AM-LSTM的飞行区航空器滑行轨迹预测与冲突识别
16
作者 王兴隆 许晏丰 《中国安全科学学报》 CAS CSCD 北大核心 2024年第1期116-124,共9页
为解决航空器点源定位难以有效预测而引发冲突风险愈来愈多的问题,构建基于注意力机制(AM)和长短期记忆网络(LSTM)的时间序列轨迹预测模型AM-LSTM,预测未来短时间内飞行区航空器的瞬时点源位置;在此基础上,根据航空器型号和滑行航向对... 为解决航空器点源定位难以有效预测而引发冲突风险愈来愈多的问题,构建基于注意力机制(AM)和长短期记忆网络(LSTM)的时间序列轨迹预测模型AM-LSTM,预测未来短时间内飞行区航空器的瞬时点源位置;在此基础上,根据航空器型号和滑行航向对其进行轮廓扩展,以航空器速度作为安全距离权重,通过射线法实现轮廓冲突的判定;并以乌鲁木齐地窝堡机场为例进行验证,利用训练完成的轨迹预测模型预测飞行区航空器滑行轨迹,以识别航空器轮廓间的滑行冲突。结果表明:AM-LSTM预测模型能够准确预测飞行区航空器运动轨迹。未来3 s内轨迹位置预测的平均位移误差为1.05 m,轨迹点位置预测精准性可达94.37%,故能在轨迹预测的基础上精确识别滑行冲突风险,有利于保障飞行区的安全运行。 展开更多
关键词 注意力机制(AM) 长短期记忆网络(lstm) 飞行区 航空器滑行 滑行轨迹
下载PDF
基于Transformer-LSTM的闽南语唇语识别
17
作者 曾蔚 罗仙仙 王鸿伟 《泉州师范学院学报》 2024年第2期10-17,共8页
针对端到端句子级闽南语唇语识别的问题,提出一种基于Transformer和长短时记忆网络(LSTM)的编解码模型.编码器采用时空卷积神经网络及Transformer编码器用于提取唇读序列时空特征,解码器采用长短时记忆网络并结合交叉注意力机制用于文... 针对端到端句子级闽南语唇语识别的问题,提出一种基于Transformer和长短时记忆网络(LSTM)的编解码模型.编码器采用时空卷积神经网络及Transformer编码器用于提取唇读序列时空特征,解码器采用长短时记忆网络并结合交叉注意力机制用于文本序列预测.最后,在自建闽南语唇语数据集上进行实验.实验结果表明:模型能有效地提高唇语识别的准确率. 展开更多
关键词 唇语识别 闽南语 TRANSFORMER 长短时记忆网络(lstm) 用时空卷积神经网络 注意力机制 端到端模型
下载PDF
Prophet-LSTM组合模型在运输航空征候预测中的应用
18
作者 杜红兵 邢梦柯 赵德超 《安全与环境学报》 CAS CSCD 北大核心 2024年第5期1878-1885,共8页
为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分... 为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分;其次,利用长短期记忆网络(Long Short-Term Memory,LSTM)建模,获取运输航空征候万时率的非线性部分;最后,利用方差倒数法建立Prophet-LSTM组合模型,使用建立的组合模型对2021年1—12月运输航空征候万时率进行预测,将预测结果与实际值进行对比验证。结果表明,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别为0.0973、16.1285%、0.1287。相较于已有的自回归移动平均(Auto Regression Integrated Moving Average,ARIMA)+反向传播神经网络(Back Propagation Neural Network,BPNN)组合模型和GM(1,1)+ARIMA+LSTM组合模型,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别减小了0.0259、10.4874百分点、0.0143和0.0128、2.0599百分点、0.0086,验证了Prophet-LSTM组合模型的预测精度更高,性能更优良。 展开更多
关键词 安全社会工程 运输航空征候 Prophet模型 长短期记忆网络(lstm)模型 组合预测模型
下载PDF
改进MFO-LSTM网络的风电机组齿轮箱故障预警研究
19
作者 周伟 魏鑫 李西兴 《机床与液压》 北大核心 2024年第4期185-194,共10页
风电机组齿轮箱在数据采集与监控系统(SCADA)的帮助下,通过监控齿轮箱油温是否超过阈值实现故障报警,其判断精度不高且问题发现不及时,因此使用长短期记忆网络模型(LSTM)融合SCADA数据实现对齿轮箱油温状态的预测。用齿轮箱正常运行状... 风电机组齿轮箱在数据采集与监控系统(SCADA)的帮助下,通过监控齿轮箱油温是否超过阈值实现故障报警,其判断精度不高且问题发现不及时,因此使用长短期记忆网络模型(LSTM)融合SCADA数据实现对齿轮箱油温状态的预测。用齿轮箱正常运行状态下的数据训练LSTM模型,计算油温预测值与真实值之间的残差,根据正态分布的原则设置残差的上下预警阈值,用来对齿轮箱故障进行预警。为简化训练模型的复杂度,在SCADA数据中选用与齿轮箱油温相关性较为密切的参数作为LSTM模型的输入项。为降低因LSTM模型超参数设置不当造成的预测准确度表现不佳,提出改进飞蛾火焰算法(MFO)与LSTM的组合模型,在保留MFO算法强大的全局搜索能力的同时,使其避免陷入局部搜索的陷阱,通过改进MFO对LSTM模型参数进行迭代优化,最终构建合适的模型。最后通过某风电机组SCADA数据验证该方法能够有效预警齿轮箱的故障,并且与其他方法相比准确度更高,预警更及时,迭代效果更好。 展开更多
关键词 风电机组齿轮箱 长短期记忆网络模型(lstm) 故障预警 数据采集与监控系统(SCADA) 飞蛾火焰算法(MFO)
下载PDF
基于注意力机制的CNN-BiLSTM的IGBT剩余使用寿命预测
20
作者 张金萍 薛治伦 +3 位作者 陈航 孙培奇 高策 段宜征 《半导体技术》 CAS 北大核心 2024年第4期373-379,共7页
针对绝缘栅双极型晶体管(IGBT)可靠性问题,提出了一种融合卷积神经网络(CNN)、双向长短期记忆(BiLSTM)网络和注意力机制的剩余使用寿命(RUL)预测模型,可用于IGBT的寿命预测。模型中使用CNN提取特征参数,BiLSTM提取时序信息,注意力机制... 针对绝缘栅双极型晶体管(IGBT)可靠性问题,提出了一种融合卷积神经网络(CNN)、双向长短期记忆(BiLSTM)网络和注意力机制的剩余使用寿命(RUL)预测模型,可用于IGBT的寿命预测。模型中使用CNN提取特征参数,BiLSTM提取时序信息,注意力机制加权处理特征参数。使用IGBT加速老化数据集对提出的模型进行验证。结果表明,对比自回归差分移动平均(ARIMA)、长短期记忆(LSTM)、多层LSTM(Multi-LSTM)、 BiLSTM预测模型,在均方根误差和决定系数等评价指标方面该模型的性能最优。验证了提出的寿命预测模型对IGBT失效预测是有效的。 展开更多
关键词 绝缘栅双极型晶体管(IGBT) 失效预测 加速老化 长短期记忆(lstm) 注意力机制 卷积神经网络(CNN)
下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部