期刊文献+
共找到6,638篇文章
< 1 2 250 >
每页显示 20 50 100
基于多源信息融合和WOA-CNN-LSTM的外脚手架隐患分类预警研究 被引量:1
1
作者 赵江平 张雪莹 侯刚 《安全与环境学报》 CAS CSCD 北大核心 2024年第3期933-942,共10页
面对施工现场外脚手架隐患信息的多样性,传统的基于传感器监测的单一信号预警研究存在容错力不佳、含有信息有限等问题。针对施工现场外脚手架“图像+监测”数据,提出一种基于数据层和特征层信息融合的脚手架隐患分类预警方法。首先,利... 面对施工现场外脚手架隐患信息的多样性,传统的基于传感器监测的单一信号预警研究存在容错力不佳、含有信息有限等问题。针对施工现场外脚手架“图像+监测”数据,提出一种基于数据层和特征层信息融合的脚手架隐患分类预警方法。首先,利用Revit三维建模软件建立外脚手架实体模型,对不同初始隐患下的外脚手架进行有限元分析,划分隐患预警等级;其次,利用无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)及卷积长短时记忆网络(Convolutional Neural Network-Long Short Term Memory Network,CNN-LSTM)实现脚手架同类信息数据层融合及异类信息特征层融合;最后,通过实时收集西安市某在建项目落地式双排扣件式钢管脚手架隐患信息,对其进行分类预警,并使用鲸鱼优化算法(Whale Optimization Algorithm,WOA)对CNN-LSTM网络进行参数优化,发现隐藏节点个数为30、学习率为0.0072、正则化系数为1×10^(-4)时分类效果最佳,优化后预警精度达到了91.4526%。通过可视化WOA-CNN-LSTM、CNN-LSTM、CNN-SVM(Support Vector Machine,支持向量机)及CNN-GRU(Gate Recurrent Unit,门控循环单元)分类预警结果,证实了优化后的CNN-LSTM网络在脚手架分类预警方面的优越性。 展开更多
关键词 安全工程 多源信息融合 鲸鱼优化算法 卷积长短时记忆网络 可视化
下载PDF
基于LSTM的多因素石灰窑煅烧带温度预测研究
2
作者 温后珍 栾仪广 +2 位作者 孟碧霞 卞庆舟 陆建明 《化工自动化及仪表》 CAS 2024年第5期864-871,906,共9页
针对石灰窑煅烧过程易出现燃烧不平衡的问题以及石灰窑煅烧系统的滞后性,提出了大数据分析+神经网络的解决方案。利用大数据分析对石灰窑多源历史数据进行数据融合插补,采用多元线性回归方程分析空间因素对温度的影响,通过时间滑窗提取... 针对石灰窑煅烧过程易出现燃烧不平衡的问题以及石灰窑煅烧系统的滞后性,提出了大数据分析+神经网络的解决方案。利用大数据分析对石灰窑多源历史数据进行数据融合插补,采用多元线性回归方程分析空间因素对温度的影响,通过时间滑窗提取特征,在此基础上利用长短期记忆神经网络(LSTM)算法构建多因素模型,并采用自适应运动估计算法进行优化。实验结果表明:较单因素LSTM模型,多因素LSTM模型有效提高了石灰窑温度预测精度,现场可根据预测值提前调整工艺参数,实现了石灰窑局部温度预测。 展开更多
关键词 温度预测 长短期记忆神经网络 石灰窑 多元线性回归 多因素 自适应运动估计算法
下载PDF
联合物理层与MAC层的multi-TRP上行重叠传输处理机制
3
作者 景小荣 熊杰 +1 位作者 孙健 陈前斌 《通信学报》 EI CSCD 北大核心 2024年第8期110-124,共15页
针对非理想回程下现有协议难以有效处理多传输接收节点(multi-TRP)场景中多定时提前(multi-TA)导致的严重上行链路(UL)重叠传输问题,联合改进物理层复用技术和介质访问控制(MAC)令牌桶技术,提出了一种新型的UL重叠传输处理机制。该新型... 针对非理想回程下现有协议难以有效处理多传输接收节点(multi-TRP)场景中多定时提前(multi-TA)导致的严重上行链路(UL)重叠传输问题,联合改进物理层复用技术和介质访问控制(MAC)令牌桶技术,提出了一种新型的UL重叠传输处理机制。该新型机制通过改进物理层重叠信道识别流程、复用要求及复用规则,将物理层复用信息与重叠信息反馈至MAC层,并对MAC层令牌桶技术进行优化。通过仿真实验对所提机制与现有协议机制进行对比,结果表明,在逻辑时隙不可重叠和可重叠2种情形下,物理上行控制信道(PUCCH)实际复用数量性能平均提升了57.58%和49.40%,物理上行共享信道(PUSCH)实际可用资源数量性能平均提升了12.09%和26.03%;优先级最高逻辑信道实际占用资源数量性能平均提升了33.33%和45.48%。 展开更多
关键词 多传输接收节点 上行链路 重叠传输 信道复用 令牌桶
下载PDF
基于CNN-SE-LSTM和多传感器数据的轴向柱塞泵故障诊断
4
作者 唐宏宾 龚杨春 +1 位作者 董晋阳 陈思源 《机床与液压》 北大核心 2024年第16期224-232,共9页
轴向柱塞泵是液压系统中的核心部件,其状态监测和故障诊断是保证液压系统安全可靠运行的关键。然而,由于轴向柱塞泵结构复杂,工作环境恶劣,采集的信号中往往夹杂着强烈的噪声,利用单传感器数据监测其健康状态往往达不到预期效果。为此,... 轴向柱塞泵是液压系统中的核心部件,其状态监测和故障诊断是保证液压系统安全可靠运行的关键。然而,由于轴向柱塞泵结构复杂,工作环境恶劣,采集的信号中往往夹杂着强烈的噪声,利用单传感器数据监测其健康状态往往达不到预期效果。为此,提出一种基于通道注意力机制的卷积神经网络-长短期记忆网络(CNN-LSTM)和多传感器数据(MSD)的轴向柱塞泵故障诊断方法。改进CNN中卷积核的尺寸来优化CNN-LSTM结构参数,提高模型抗噪性能,并引入通道注意力机制模块SENet提升模型的表征能力,然后将2个不同位置的振动传感器数据进行数据端通道融合作为输入,最后将融合后的数据输入改进CNN-SE-LSTM中并通过Softmax层输出诊断结果。实验结果表明:在不添加噪声的情况下,所提方法故障诊断准确率达100%,具有较好的准确性和快速性;在不同信噪比的噪声干扰下,所提方法相比多层感知器(MLP)、首层宽卷积核深度卷积神经网络(WDCNN)等模型具有更高的故障诊断准确率,鲁棒性更好。 展开更多
关键词 轴向柱塞泵 故障诊断 CNN-lstm 多传感器数据 抗噪声
下载PDF
基于LSTM-Informer模型的液压支架压力时空多步长预测
5
作者 余琼芳 杨鹏飞 唐高峰 《工矿自动化》 CSCD 北大核心 2024年第6期30-35,共6页
目前多步液压支架压力预测大多为单步液压支架压力的累计预测,单步累计次数越多,累计误差就越大,影响预测精度。针对该问题,提出了一种基于长短时记忆(LSTM)-Informer模型的液压支架压力时空多步长预测方法。采用卡尔曼滤波消除液压支... 目前多步液压支架压力预测大多为单步液压支架压力的累计预测,单步累计次数越多,累计误差就越大,影响预测精度。针对该问题,提出了一种基于长短时记忆(LSTM)-Informer模型的液压支架压力时空多步长预测方法。采用卡尔曼滤波消除液压支架压力数据中的振动噪声后,在工作面端部和中部各选取相邻的5台液压支架压力数据建立2个时空数据集(数据集1和数据集2),并对时空数据进行标准化预处理。将时空数据输入LSTM模型提取时空特征,并将提取的时空特征输入Informer模型的编码器,经过位置编码后利用多头概率稀疏自注意力来关注压力序列的变化特征,经过最大池化和一维卷积消除最终输出特征图的冗余组合。利用多头概率稀疏自注意力来关注压力序列的变化特征,将Informer模型的解码器改为全连接层,得到液压支架压力的预测结果。实验结果表明:与基于门控循环单元(GRU)、LSTM和Informer模型的预测方法相比,基于LSTM-Informer模型的预测方法在预测6,12,24步长液压支架压力时的均方根误差(RMSE)和平均绝对误差(MAE)均最小;其中基于数据集1预测的6步长液压支架压力的RMSE分别降低了41.63%,49.74%,11.85%,MAE分别降低了41.75%,50.00%,12.00%;基于数据集2预测的6步长液压支架压力的RMSE分别降低了48.15%,59.86%,19.88%,MAE分别降低了49.87%,54.90%,13.16%。 展开更多
关键词 液压支架压力 多步长液压支架压力预测 lstm-Informer模型 时间相关性 卡尔曼滤波
下载PDF
基于SDP和MCNN-LSTM的齿轮箱故障诊断方法
6
作者 吴胜利 周燚 邢文婷 《振动与冲击》 EI CSCD 北大核心 2024年第15期126-132,178,共8页
齿轮箱在长期使用过程中,不可避免地会产生齿轮故障和轴承故障,严重影响传动精度和设备运行安全。基于此,针对齿轮箱常见故障类型,研究多通道对称点图案(symmetrized dot pattern, SDP)数据处理方法,并利用最小能量误差法实现SDP关键参... 齿轮箱在长期使用过程中,不可避免地会产生齿轮故障和轴承故障,严重影响传动精度和设备运行安全。基于此,针对齿轮箱常见故障类型,研究多通道对称点图案(symmetrized dot pattern, SDP)数据处理方法,并利用最小能量误差法实现SDP关键参数的选取。结合多尺度卷积神经网络(multi-scale convolutional neural network, MCNN)的空间处理优势、长短时记忆网络(long short term memory, LSTM)的时间处理优势及其良好的抗噪性和鲁棒性,提出了一种基于SDP和MCNN-LSTM的齿轮箱故障诊断模型。同时利用东南大学齿轮箱数据集,验证了基于SDP和MCNN-LSTM的齿轮箱故障诊断方法对齿轮和轴承常见故障类型特征提取的有效性,并与现有其他故障诊断方法进行对比,结果表明了所提方法具有更高的精度。 展开更多
关键词 齿轮箱故障诊断 对称点图案(SDP) 最小能量误差 多尺度卷积神经网络(MCNN) 长短时记忆网络(lstm)
下载PDF
基于GRU和LSTM组合模型的车联网信道分配方法 被引量:1
7
作者 王磊 王永华 +1 位作者 何一汕 伍文韬 《电讯技术》 北大核心 2024年第2期273-280,共8页
针对车联网中高通信需求和高移动性造成的车对车链路(Vehicle to Vehicle,V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆网络(Long Short-Term Memory,LSTM)的组合模型... 针对车联网中高通信需求和高移动性造成的车对车链路(Vehicle to Vehicle,V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆网络(Long Short-Term Memory,LSTM)的组合模型的车联网信道分配算法。算法以降低V2V链路信道碰撞率和空闲率为目标,将信道分配问题建模为分布式深度强化学习问题,使每条V2V链路作为单个智能体,并通过最大化每回合平均奖励的方式进行集中训练、分布式执行。在训练过程中借助GRU训练周期短和LSTM拟合精度高的组合优势去拟合深度双重Q学习中Q函数,使V2V链路能快速地学习优化信道分配策略,合理地复用车对基础设施(Vehicle to Infrastructure,V2I)链路的信道资源,实现网络效用最大化。仿真结果表明,与单纯使用GRU或者LSTM网络模型的分配算法相比,该算法在收敛速度方面加快了5个训练回合,V2V链路间的信道碰撞率和空闲率降低了约27%,平均成功率提升了约10%。 展开更多
关键词 车联网(IoV) 信道分配 深度双重Q学习 GRU-lstm组合模型
下载PDF
基于稀疏连接和多通道LSTM的NL2SQL研究
8
作者 周康 阳爱民 +1 位作者 周栋 林楠铠 《信息技术》 2024年第8期169-173,180,共6页
Natural Language To SQL(NL2SQL)任务的目标是将自然语言查询转化为结构化查询语言。现有的大多数模型所使用的方法是将NL2SQL任务分解为多个子任务,为每个子任务构建一个专用的全连接神经网络解码器。这些方法存在一些问题,如模型设... Natural Language To SQL(NL2SQL)任务的目标是将自然语言查询转化为结构化查询语言。现有的大多数模型所使用的方法是将NL2SQL任务分解为多个子任务,为每个子任务构建一个专用的全连接神经网络解码器。这些方法存在一些问题,如模型设计与模型结构较为简单,在学习不同子任务之间的依赖关系的能力有限。为了解决这些问题,将多通道并行LSTM模型引入到NL2SQL任务中,并采用稀疏连接层联合不同的子任务解码器,提升神经网络表现能力和计算资源的使用效率。在WikiSQL数据集上的评估结果表明,与基线模型相比,文中提出的模型计算精度较好。 展开更多
关键词 自然语言转SQL 自然语言接口 预训练模型 多通道lstm 稀疏连接
下载PDF
基于LSTM和先验知识的高速公路路面温度预报
9
作者 熊国玉 祖繁 +1 位作者 包云轩 王可心 《应用气象学报》 CSCD 北大核心 2024年第1期68-79,共12页
为了精准预报高速公路路面温度,为车辆安全行驶提供气象保障,采用2019—2022年南京市绕城高速公路上9个交通气象站及ERA5-land再分析数据,通过构建时间序列特征工程、引入物理机制相关数据两类方法结合先验知识,运用长短期记忆神经网络... 为了精准预报高速公路路面温度,为车辆安全行驶提供气象保障,采用2019—2022年南京市绕城高速公路上9个交通气象站及ERA5-land再分析数据,通过构建时间序列特征工程、引入物理机制相关数据两类方法结合先验知识,运用长短期记忆神经网络模型建立研究区域内4个交通气象站未来3 h逐10 min路面温度多步预报模型并进行验证;在此基础上,将已建立的模型应用于其他交通气象站,探究模型的适用性。结果表明:结合先验知识后,模型预报性能明显提高,准确率在85%以上,且随着预报时效的延长,性能提升更为明显,准确率最高提升36%;模型能较为准确地预报路面极端低温发生的时间和极值,且在预报时效较短时对路面极端高温的预报也具有一定参考价值;利用已建立的模型对其他交通气象站的路面温度进行预报时,准确率在62%以上,在预报时效较短时效果较好,准确率在80%以上,且交通气象站所处的下垫面背景类型对模型的选择起关键作用。 展开更多
关键词 高速公路 路面温度 长短期记忆神经网络 先验知识 多步预报模型
下载PDF
基于LSTM的小井眼阵列感应测井响应预测
10
作者 刘萌娜 杨川 +1 位作者 陈延军 王瑞飞 《计算机仿真》 2024年第2期86-90,305,共6页
快速准确地获取测井响应曲线是进行后续测井反演的基础。为了对测井响应进行高效的正演建模,将LSTM神经网络应用于小井眼阵列感应测井响应的预测中。数据集来源于COMSOL软件建模仿真得到的小井眼感应测井响应数据。在离线训练阶段,LSTM... 快速准确地获取测井响应曲线是进行后续测井反演的基础。为了对测井响应进行高效的正演建模,将LSTM神经网络应用于小井眼阵列感应测井响应的预测中。数据集来源于COMSOL软件建模仿真得到的小井眼感应测井响应数据。在离线训练阶段,LSTM模型从测井响应数据库中提取到小井眼感应测井响应的数据特征。给定简单各向同性层状地层和复杂各向同性地层两种地层参数,训练得到的模型可用于预测阵列感应仪器的小井眼测井响应。研究表明,LSTM预测结果与基于测井响应数据库传统多维插值法的结果基本吻合。在保证预测结果精度的前提下,LSTM预测极大地提高了不同地层场景下测井响应的预测时间,且具有良好的泛化能力。 展开更多
关键词 阵列感应测井 回归问题 长短期记忆网络 多维插值
下载PDF
一种融合注意力机制的形变LSTM智能代码补全方法 被引量:1
11
作者 张钦 郑尚 +2 位作者 邹海涛 于化龙 高尚 《小型微型计算机系统》 CSCD 北大核心 2024年第2期498-504,共7页
代码补全(code completion)通过提供类名和方法名等预测,辅助开发人员编写代码,是自动化软件开发的重要功能之一.近年来,智能代码补全已成为软件工程领域的热门研究方向之一,前人工作表明通过自然语言技术或神经网络学习代码,能够提高... 代码补全(code completion)通过提供类名和方法名等预测,辅助开发人员编写代码,是自动化软件开发的重要功能之一.近年来,智能代码补全已成为软件工程领域的热门研究方向之一,前人工作表明通过自然语言技术或神经网络学习代码,能够提高代码补全的准确率,但这些补全模型仍存在不足,如代码上下文的信息表示较弱、程序信息提取不全和代码补全任务不平衡.因此,本文提出一种全新的智能代码补全方法,其中引入形变的长短记忆网络(Mogrifier-LSTM)和注意力机制增强代码上下文的信息表示,同时利用双向LSTM学习程序的层次结构信息,并设计一种多任务框架自动实现代码补全任务之间的平衡.通过在真实数据集上进行实验,结果表明本文所提方法表现优于主流代码补全方法. 展开更多
关键词 软件开发 代码补全 lstm 注意力 多任务
下载PDF
基于LSTM和多头注意力机制的企业违约预测模型
12
作者 柏凤山 迟国泰 温武军 《管理工程学报》 CSCD 北大核心 2024年第3期213-226,共14页
违约预测是指用企业过去时刻的数据和违约状态预测企业未来的违约概率。违约预测对股票投资、债券投资和银行贷款等具有极为重要的意义。本研究涉及两个科学问题:一是如何使用连续多年的企业数据预测企业违约概率;二是研究输入模型的每... 违约预测是指用企业过去时刻的数据和违约状态预测企业未来的违约概率。违约预测对股票投资、债券投资和银行贷款等具有极为重要的意义。本研究涉及两个科学问题:一是如何使用连续多年的企业数据预测企业违约概率;二是研究输入模型的每个时间窗口对违约预测状态的影响程度。用LSTM网络建立违约预测模型,用连续多年的企业数据预测违约概率,改变了违约预测建模时只用一个时间窗口预测违约概率的现状,并首次将多头注意力机制应用于违约预测模型,探索每个时间窗口对违约预测值的影响程度,避免了现有模型只做预测不揭示时间窗口对违约预测影响程度的弊端。研究表明:一是在违约预测建模时考虑企业数据的时序性更合理且会提升模型预测精度;二是违约预测的最佳时间窗口个数可以是5到10之间的数,总体上时间窗口越多违约预测精度越高;三是本文搭建的违约预测模型框架有效减少了违约预测结果的第2类错误,降低了坏客户被预测为好客户的风险。 展开更多
关键词 长短期记忆神经网络 多头注意力机制 违约预测
下载PDF
基于异构硬件的LSTM训练系统
13
作者 黄为新 胡伟方 +1 位作者 曹雪娇 石宣化 《大数据》 2024年第4期172-188,共17页
在大数据时代,以LSTM为代表的深度神经网络模型具有处理海量数据的能力,在语言处理、语音识别、时序数据预测等领域表现优异。随着模型复杂度的提高,训练成本大幅提升。现有的LSTM训练系统使用了算子融合、多流等加速手段,但忽略了训练... 在大数据时代,以LSTM为代表的深度神经网络模型具有处理海量数据的能力,在语言处理、语音识别、时序数据预测等领域表现优异。随着模型复杂度的提高,训练成本大幅提升。现有的LSTM训练系统使用了算子融合、多流等加速手段,但忽略了训练算子内部计算的可并行性,导致计算资源的利用率低,整体耗时长。为此,设计了基于细粒度模型划分和多流并行调度方法的LSTM训练系统TurboLSTM,在英伟达GPU和国产昇腾NPU这两种异构硬件上构建的全新底层训练算子实现了任务对计算资源的合理利用。与已有训练系统相比,在GPU上TurboLSTM的单算子训练时间缩短了23%,模型的整体训练时间缩短了17%,在NPU上TurboLSTM的单算子训练时间缩短了15%,且对计算资源的利用率显著提高。这表明提出的加速方案是高效的,具有良好的泛化能力。 展开更多
关键词 lstm 训练加速 细粒度并行 多流调度
下载PDF
基于LSTM循环神经网络的船舶运动极短期预报
14
作者 张怡 孟帅 +1 位作者 刘震 封培元 《船舶工程》 CSCD 北大核心 2024年第5期33-40,55,共9页
长短期记忆(LSTM)循环神经网络对于预报非线性时间序列有优势,尝试将LSTM网络应用于船舶运动极短期预报。利用某破冰船在北冰洋航行时两段典型海况下的横摇和纵摇运动实测数据,探究LSTM神经网络模型的预报精度和有效时长。研究发现,LST... 长短期记忆(LSTM)循环神经网络对于预报非线性时间序列有优势,尝试将LSTM网络应用于船舶运动极短期预报。利用某破冰船在北冰洋航行时两段典型海况下的横摇和纵摇运动实测数据,探究LSTM神经网络模型的预报精度和有效时长。研究发现,LSTM神经网络模型在海况良好、船舶的运动周期性强且主导频率突出时可以取得满意预报效果。但随着时长的增加,误差会不断累积,精确度逐步降低。在编码器-解码器逐步迭代框架基础上利用多层感知机提出直接多步预报改进模型。研究发现,改进模型可以有效减少误差积累、提高预报精度和延长有效时间,尤其在恶劣海况下预报结果改善更为显著。研究成果可以为基于神经网络开发高效准确的船舶运动极短期预报方法提供参考。 展开更多
关键词 极短期预报 长短期记忆循环神经网络 直接多步预报 误差积累
下载PDF
基于EMD-DELM-LSTM组合模型的湖泊水位多时间尺度预测 被引量:1
15
作者 余周 姜涛 +2 位作者 范鹏辉 牛超群 陈兵 《长江科学院院报》 CSCD 北大核心 2024年第6期28-35,共8页
针对水位时间序列具有线性与非线性混合、不确定性高等特点带来的预测困难问题,提出了一种基于经验模态分解(EMD)、长短时记忆网络(LSTM)和深度极限学习机(DELM)的EMD-DELM-LSTM组合模型,其中DELM和LSTM采用并联结构预测,并与EMD串联连... 针对水位时间序列具有线性与非线性混合、不确定性高等特点带来的预测困难问题,提出了一种基于经验模态分解(EMD)、长短时记忆网络(LSTM)和深度极限学习机(DELM)的EMD-DELM-LSTM组合模型,其中DELM和LSTM采用并联结构预测,并与EMD串联连接。首先使用EMD将原始信号分解为若干个具有单一特征的本征模态函数(IMFs),再将IMFs分类重组为高、中、低频信号后输入DELM-LSTM并联结构中进行预测并重构。以广州某大学重要湖泊为例验证模型的有效性,结果表明,与EMD-LSTM、EMD-DELM、LSTM、DELM和BiLSTM模型相比,本模型在不同时间尺度下的预测性能均有显著提升,其中40 min时间尺度下的预测性能提升效果最为明显,分别较对比模型提升43.08%、22.92%、45.79%、30.92%和47.31%。可见,本模型对于不同时间尺度的水位预测具有良好的可靠性和稳定性。 展开更多
关键词 水位预测 EMD-DELM-lstm 经验模态分解 多时间尺度分析 人工神经网络
下载PDF
基于长短时记忆神经网络的Multi-GNSS卫星钟差建模预报 被引量:1
16
作者 蒋春华 朱美珍 +1 位作者 薛慧杰 刘广盛 《大地测量与地球动力学》 CSCD 北大核心 2024年第3期257-262,共6页
针对卫星钟差预报中二次多项式模型存在易受噪声干扰、预报精度不高的问题,构建一种基于长短时记忆神经网络的multi-GNSS卫星钟差预报模型,并分析不同卫星系统、不同钟类型基于不同建模方案的模型精度。为验证该模型的有效性和可行性,利... 针对卫星钟差预报中二次多项式模型存在易受噪声干扰、预报精度不高的问题,构建一种基于长短时记忆神经网络的multi-GNSS卫星钟差预报模型,并分析不同卫星系统、不同钟类型基于不同建模方案的模型精度。为验证该模型的有效性和可行性,利用LSTM模型、QP模型、QP-LSTM模型分别基于12 h和24 h钟差序列进行建模,预报1 h、3 h、6 h、12 h钟差。结果表明,LSTM模型建模24 h、预报1 h精度最高。multi-GNSS卫星钟差LSTM预报模型中Galileo系统精度最高,其次为BDS-2系统和GPS系统,GLONASS系统精度最低,精度分别为0.018 ns、0.069 ns、0.133 ns、0.242 ns。不同原子钟预报精度不同,氢原子钟预报精度优于铷原子钟、铯原子钟。LSTM神经网络模型预报精度相较于QP-LSTM模型提升27%,相较于QP模型提升36%。 展开更多
关键词 长短时记忆神经网络(lstm) 二次多项式模型 QP-lstm模型 multi-GNSS卫星钟差预报
下载PDF
基于CNN-LSTM-AM神经网络的多维长序列物流需求预测
17
作者 朱毅丁 张云川 +1 位作者 马云峰 周志刚 《物流科技》 2024年第18期49-56,64,共9页
物流需求预测是物流管理中的关键环节,但是在现实生活中,物流需求可能受到诸如天气、经济状况、特殊事件等多方面因素的影响,这使得问题呈现出多维度、长序列的特征。随着深度学习和神经网络的发展,越来越多的研究开始尝试使用神经网络... 物流需求预测是物流管理中的关键环节,但是在现实生活中,物流需求可能受到诸如天气、经济状况、特殊事件等多方面因素的影响,这使得问题呈现出多维度、长序列的特征。随着深度学习和神经网络的发展,越来越多的研究开始尝试使用神经网络模型进行物流需求预测,但是单一的神经网络模型在处理多维度、长时间序列的预测任务时常常表现欠佳。由此文章提出了一种基于CNN-LSTM-AM的神经网络模型,用于多维长序列物流需求预测。通过消融实验与其他模型的对比,结果表明,其平均绝对误差(MAE)、均方根误差(RMSE)、决定系数(R2)均值分别为1.56、1.63和0.981,均优于其他6种神经网络模型,为物流企业提供了一个有效的参考来更好地规划资源和降低成本。 展开更多
关键词 多维物流需求预测 长时间序列 lstm(长短时记忆)网络 CNN(卷积神经网络) 注意力机制
下载PDF
融合多层注意力机制与CNN-LSTM的反向散射信道预测
18
作者 徐双 文永新 +3 位作者 刘文斌 李佳龙 李灯熬 赵菊敏 《小型微型计算机系统》 CSCD 北大核心 2024年第9期2278-2284,共7页
反向散射通信系统频谱资源十分有限且易受链路突变性影响,信道预测是提高其频谱资源利用率和通信质量的一种有效方法.但大多数现有预测方法的预测精度偏低、依赖完全已知的信道状态信息、适用性受限.为此,本文提出了一种融合多层注意力... 反向散射通信系统频谱资源十分有限且易受链路突变性影响,信道预测是提高其频谱资源利用率和通信质量的一种有效方法.但大多数现有预测方法的预测精度偏低、依赖完全已知的信道状态信息、适用性受限.为此,本文提出了一种融合多层注意力机制与卷积神经网络-长短期记忆网络(Convolutional Neural Networks-Long Short-Term Memory,CNN-LSTM)的信道预测方法.利用CNN模型与注意力机制提取接收信号强度序列的特征,并进一步使用LSTM模型与注意力机制提取其跨时间步长的特征,从而实现对信道指标的预测.最后,借助商用阅读器与标签采集3种不同场景下的信道状态数据,并基于Tensorflow与Keras验证了所提预测方法性能.结果表明,融合多层注意力机制与CNN-LSTM的信道预测方法具有较强的场景适用性,且其预测准确性较高. 展开更多
关键词 反向散射通信 信道预测 卷积神经网络 长短期记忆网络 多层注意力机制
下载PDF
基于自注意力机制与双向LSTM的睡眠分期模型
19
作者 曹科研 王莹莹 陶杭波 《软件导刊》 2024年第5期24-32,共9页
针对现有模型无法充分捕捉样本中短暂、随机的波形及无法聚焦典型、重要波形,从而影响分期结果的问题,提出一种基于自注意力机制与双向长短时记忆网络的睡眠分期模型。首先,构建单流时频信息学习模块自动表达PSG信号的低级表征,挖掘EEG... 针对现有模型无法充分捕捉样本中短暂、随机的波形及无法聚焦典型、重要波形,从而影响分期结果的问题,提出一种基于自注意力机制与双向长短时记忆网络的睡眠分期模型。首先,构建单流时频信息学习模块自动表达PSG信号的低级表征,挖掘EEG数据的时不变信息、频率特征。然后,设计自适应特征重新校准学习模块,对30 s样本中出现的瞬时和重点波形特征进行校准训练,给予此类特征更多关注并分配更大权重。最后,将特征送至关联样本间的序列依赖学习模块,以学习各睡眠样本间的上下文关系,充分利用前后相邻样本判断当前样本类别。结果表明,该方法性能优于其他主流模型,在Sleep-edf-2013和Sleep-edf-2018两个公共睡眠数据集上的准确率分别为85.5%、84.3%,MF1值分别为82.1%、79.6%,可为睡眠分期任务提供技术参考。 展开更多
关键词 睡眠分期 TRANSFORMER 双向lstm 脑电信号 单通道
下载PDF
基于通道融合的Res-CNN-LSTM电网虚假数据注入攻击检测
20
作者 方正刚 《电气技术》 2024年第3期11-17,62,共8页
针对电力系统的网络攻击事件越来越多,信息物理安全问题已经引发电力公司和学术界的高度关注。为了能够正确检测电网虚假数据注入攻击,本文提出一种基于残差神经网络(ResNet)结构的一维卷积神经网络(1DCNN)和长短期记忆(LSTM)网络多通... 针对电力系统的网络攻击事件越来越多,信息物理安全问题已经引发电力公司和学术界的高度关注。为了能够正确检测电网虚假数据注入攻击,本文提出一种基于残差神经网络(ResNet)结构的一维卷积神经网络(1DCNN)和长短期记忆(LSTM)网络多通道融合网络模型,简称通道融合的Res-CNN-LSTM网络模型。该神经网络算法利用1DCNN和LSTM对时间序列信息的高效提取能力,将不同通道上提取的信息进行融合,进一步加强了数据特征的提取效果,同时网络模型主体采用残差跳跃连接的结构来解决神经网络在训练过程中的过拟合问题;在IEEE-14和IEEE-118节点测试系统进行模型仿真实验,并对比其他神经网络模型,结果验证了本文所提方法的有效性和准确性。 展开更多
关键词 神经网络 多通道数据融合 攻击检测 深度学习 长短期记忆(lstm)神经网络
下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部